##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union##
## Attaching package: 'rvest'## The following object is masked from 'package:readr':
##
## guess_encoding##
## Attaching package: 'plotly'## The following object is masked from 'package:ggplot2':
##
## last_plot## The following object is masked from 'package:stats':
##
## filter## The following object is masked from 'package:graphics':
##
## layout## ── Attaching packages ────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── tidyverse 1.3.0 ──## ✓ tibble 3.0.1 ✓ purrr 0.3.4
## ✓ tidyr 1.0.3 ✓ forcats 0.5.0## ── Conflicts ───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────── tidyverse_conflicts() ──
## x plotly::filter() masks dplyr::filter(), stats::filter()
## x rvest::guess_encoding() masks readr::guess_encoding()
## x dplyr::lag() masks stats::lag()
## x purrr::pluck() masks rvest::pluck()##
## Attaching package: 'reshape2'## The following object is masked from 'package:tidyr':
##
## smithsAcceso a los datos de Open Data en La Rioja
La base del acceso se hace en https://actualidad.larioja.org/coronavirus/datos
Evolución
Evolución por días de casos confirmados (PCR), altas y fallecidos
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-452
La estructura html la sacamos copiando el html en local y abriéndolo con notepad++
<div class="col-md-6">
<dl>
<dt>Fecha de publicación:</dt>
<dd>28/04/2020</dd>
<dt>Última actualización:</dt>
<dd>30/04/2020</dd>
<dt>Ámbito temporal</dt>
<dd><i class="far fa-calendar-check" aria-hidden="true"></i> 24/02/2020
</dd>
<dt>Cronología</dt>
<dd>Fecha de creación: 28/04/2020 <br>Fecha de actualización de los datos: 30/04/2020</dd>
</dl>
</div>page_evolucion <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-452')
# find all nodes with a class of "col_md_6"
col_md_6_evolucion <- html_nodes(page_evolucion, css = '.col-md-6')
col_md_6_evolucion## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...Esto si vale
fecha_campos_evolucion <- html_children(col_md_6_evolucion[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_evolucion## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_evolucion <- html_children(col_md_6_evolucion[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_evolucion## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"rioja_evolucion <- read_csv(link_evolucion, locale = locale(date_names = "es"),
skip = 1,
col_names = c('fecha', 'confirmados_PCR', 'altas', 'fallecidos'))## Parsed with column specification:
## cols(
## fecha = col_character(),
## confirmados_PCR = col_double(),
## altas = col_double(),
## fallecidos = col_double()
## )## Warning: 81 parsing failures.
## row col expected actual file
## 1 -- 4 columns 6 columns 'https://ias1.larioja.org/opendata/download?r=Y2Q9NDUyfGNmPTAz'
## 2 -- 4 columns 6 columns 'https://ias1.larioja.org/opendata/download?r=Y2Q9NDUyfGNmPTAz'
## 3 -- 4 columns 6 columns 'https://ias1.larioja.org/opendata/download?r=Y2Q9NDUyfGNmPTAz'
## 4 -- 4 columns 6 columns 'https://ias1.larioja.org/opendata/download?r=Y2Q9NDUyfGNmPTAz'
## 5 -- 4 columns 6 columns 'https://ias1.larioja.org/opendata/download?r=Y2Q9NDUyfGNmPTAz'
## ... ... ......... ......... ...............................................................
## See problems(...) for more details.Revisar esto
Tienen que coincidir las fechas
Calculamos los acumulados
A la mierda, con un for…
# Valores diarios
rioja_evolucion$acumulado_confirmados <- rioja_evolucion$confirmados_PCR[1]
rioja_evolucion$acumulado_altas <- rioja_evolucion$altas[1]
rioja_evolucion$acumulado_fallecidos <- rioja_evolucion$fallecidos[1]
for (i in 2:dim(rioja_evolucion)[1]) {
rioja_evolucion$acumulado_confirmados[i] <- rioja_evolucion$acumulado_confirmados[i-1] + rioja_evolucion$confirmados_PCR[i]
rioja_evolucion$acumulado_altas[i] <- rioja_evolucion$acumulado_altas[i-1] + rioja_evolucion$altas[i]
rioja_evolucion$acumulado_fallecidos[i] <- rioja_evolucion$acumulado_fallecidos[i-1] + rioja_evolucion$fallecidos[i]
}rioja_evolucion2 <- rioja_evolucion %>%
arrange(fecha) %>%
mutate(total_confirmados = confirmados_PCR + lag(total_confirmados))Incorporamos la fecha del dato
rioja_evolucion$fecha_publicacion_evolucion = as.Date(fecha_valores_evolucion[1], '%d/%m/%Y')
rioja_evolucion$ultima_actualizacion_evolucion = as.Date(fecha_valores_evolucion[2], '%d/%m/%Y')
rioja_evolucion$ambito_temporal_evolucion = as.Date(fecha_valores_evolucion[3], '%d/%m/%Y')## fecha confirmados_PCR altas fallecidos
## Min. :2020-02-24 Min. : 0.00 Min. : 0.00 Min. : 0.000
## 1st Qu.:2020-03-15 1st Qu.: 8.00 1st Qu.: 1.00 1st Qu.: 0.000
## Median :2020-04-04 Median : 31.00 Median : 34.00 Median : 3.000
## Mean :2020-04-04 Mean : 49.58 Mean : 36.14 Mean : 4.296
## 3rd Qu.:2020-04-24 3rd Qu.: 67.00 3rd Qu.: 61.00 3rd Qu.: 7.000
## Max. :2020-05-14 Max. :241.00 Max. :111.00 Max. :19.000
## acumulado_confirmados acumulado_altas acumulado_fallecidos
## Min. : 0 Min. : 0 Min. : 0.0
## 1st Qu.: 312 1st Qu.: 4 1st Qu.: 4.0
## Median :2592 Median : 904 Median :134.0
## Mean :2159 Mean :1067 Mean :156.8
## 3rd Qu.:3821 3rd Qu.:1999 3rd Qu.:311.0
## Max. :4016 Max. :2927 Max. :348.0
## fecha_publicacion_evolucion ultima_actualizacion_evolucion
## Min. :2020-04-28 Min. :2020-05-16
## 1st Qu.:2020-04-28 1st Qu.:2020-05-16
## Median :2020-04-28 Median :2020-05-16
## Mean :2020-04-28 Mean :2020-05-16
## 3rd Qu.:2020-04-28 3rd Qu.:2020-05-16
## Max. :2020-04-28 Max. :2020-05-16
## ambito_temporal_evolucion
## Min. :2020-02-24
## 1st Qu.:2020-02-24
## Median :2020-02-24
## Mean :2020-02-24
## 3rd Qu.:2020-02-24
## Max. :2020-02-24Guardamos
Situación de los hospitales de La Rioja
Número de hospitalizados en planta y UCI, por hospitales, a fecha actual
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-461
page_hospitales <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-461')
# find all nodes with a class of "col_md_6"
col_md_6_hospitales <- html_nodes(page_hospitales, css = '.col-md-6')
col_md_6_hospitales## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_hospitales <- html_children(col_md_6_hospitales[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_hospitales## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_hospitales <- html_children(col_md_6_hospitales[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_hospitales## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_hospitales <- read_delim(link_hospitales, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Parsed with column specification:
## cols(
## Hospital = col_character(),
## Total = col_double(),
## `En planta` = col_double(),
## UCI = col_double()
## )names(rioja_hospitales) <- c("hospital", "hospitalizados_total",
"hospitalizados_planta", "hospitalizados_uci")## [1] 41Creamos una línea con los totales
rioja_hospitales <- rbind(rioja_hospitales, data.frame(hospital = 'Total',
hospitalizados_total = sum(rioja_hospitales$hospitalizados_total, na.rm = TRUE),
hospitalizados_planta = sum(rioja_hospitales$hospitalizados_planta, na.rm = TRUE),
hospitalizados_uci = sum(rioja_hospitales$hospitalizados_uci, na.rm = TRUE)))Incorporamos la fecha del dato
rioja_hospitales$fecha_publicacion_hospitales = as.Date(fecha_valores_hospitales[1], '%d/%m/%Y')
rioja_hospitales$ultima_actualizacion_hospitales = as.Date(fecha_valores_hospitales[2], '%d/%m/%Y')
rioja_hospitales$ambito_temporal_hospitales = as.Date(fecha_valores_hospitales[3], '%d/%m/%Y')## hospital hospitalizados_total hospitalizados_planta
## Length:5 Min. : 0.0 Min. : 0.0
## Class :character 1st Qu.: 3.0 1st Qu.: 3.0
## Mode :character Median : 5.0 Median : 5.0
## Mean :16.4 Mean :12.8
## 3rd Qu.:33.0 3rd Qu.:24.0
## Max. :41.0 Max. :32.0
##
## hospitalizados_uci fecha_publicacion_hospitales
## Min. :9 Min. :2020-04-28
## 1st Qu.:9 1st Qu.:2020-04-28
## Median :9 Median :2020-04-28
## Mean :9 Mean :2020-04-28
## 3rd Qu.:9 3rd Qu.:2020-04-28
## Max. :9 Max. :2020-04-28
## NA's :3
## ultima_actualizacion_hospitales ambito_temporal_hospitales
## Min. :2020-05-16 Min. :2020-02-24
## 1st Qu.:2020-05-16 1st Qu.:2020-02-24
## Median :2020-05-16 Median :2020-02-24
## Mean :2020-05-16 Mean :2020-02-24
## 3rd Qu.:2020-05-16 3rd Qu.:2020-02-24
## Max. :2020-05-16 Max. :2020-02-24
## Revisar que cuadra
# En esta caso es la última línea
diario <- data.frame(hospitalizados_total = rioja_hospitales$hospitalizados_total[dim(rioja_hospitales)[1]],
hospitalizados_planta = rioja_hospitales$hospitalizados_planta[dim(rioja_hospitales)[1]],
hospitalizados_uci = rioja_hospitales$hospitalizados_uci[dim(rioja_hospitales)[1]],
hospitalizados_total_s_pedro = rioja_hospitales$hospitalizados_total[rioja_hospitales$hospital == 'Hospital San Pedro'],
hospitalizados_planta_s_pedro = rioja_hospitales$hospitalizados_planta[rioja_hospitales$hospital == 'Hospital San Pedro'],
hospitalizados_uci_s_pedro = rioja_hospitales$hospitalizados_uci[rioja_hospitales$hospital == 'Hospital San Pedro'],
hospitalizados_total_la_rioja = rioja_hospitales$hospitalizados_total[rioja_hospitales$hospital == 'Hospital de La Rioja'],
hospitalizados_planta_la_rioja = rioja_hospitales$hospitalizados_planta[rioja_hospitales$hospital == 'Hospital de La Rioja'],
hospitalizados_uci_la_rioja = rioja_hospitales$hospitalizados_uci[rioja_hospitales$hospital == 'Hospital de La Rioja'],
hospitalizados_total_calahorra = rioja_hospitales$hospitalizados_total[rioja_hospitales$hospital == 'F. H. Calahorra'],
hospitalizados_planta_calahorra = rioja_hospitales$hospitalizados_planta[rioja_hospitales$hospital == 'F. H. Calahorra'],
hospitalizados_uci_calahorra = rioja_hospitales$hospitalizados_uci[rioja_hospitales$hospital == 'F. H. Calahorra'],
hospitalizados_total_manzanos = rioja_hospitales$hospitalizados_total[rioja_hospitales$hospital == 'Los Manzanos'],
hospitalizados_planta_manzanos = rioja_hospitales$hospitalizados_planta[rioja_hospitales$hospital == 'Los Manzanos'],
hospitalizados_uci_manzanos = rioja_hospitales$hospitalizados_uci[rioja_hospitales$hospital == 'Los Manzanos'],
fecha_publicacion_hospitales = as.Date(fecha_valores_hospitales[1], '%d/%m/%Y'),
ultima_actualizacion_hospitales = as.Date(fecha_valores_hospitales[2], '%d/%m/%Y'),
ambito_temporal_hospitales = as.Date(fecha_valores_hospitales[3], '%d/%m/%Y')
)Sólo pongo los totales. Los datos son semanales
Guardamos
Añadimos al diario
Porcentaje de hospitalizados por grupo de edad y sexo
Porcentaje de hospitalizados por grupo de edad y sexo a a fecha actual
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-453
page_hospitalizados_porcentaje <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-453')
# find all nodes with a class of "col_md_6"
col_md_6_hospitalizados_porcentaje <- html_nodes(page_hospitalizados_porcentaje, css = '.col-md-6')
col_md_6_hospitalizados_porcentaje## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_hospitalizados_porcentaje <- html_children(col_md_6_hospitalizados_porcentaje[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_hospitalizados_porcentaje## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_hospitalizados_porcentaje <- html_children(col_md_6_hospitalizados_porcentaje[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_hospitalizados_porcentaje## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_hospitalizados_porcentaje <- read_delim(link_hospitalizados_porcentaje, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Warning: Missing column names filled in: 'X4' [4]## Parsed with column specification:
## cols(
## `Grupo de edad (años)` = col_character(),
## Hombres = col_double(),
## Mujeres = col_double(),
## X4 = col_logical()
## )Borramos x4
Incorporamos la fecha del dato
rioja_hospitalizados_porcentaje$fecha_publicacion_hospitalizados_porcentaje = as.Date(fecha_valores_hospitalizados_porcentaje[1], '%d/%m/%Y')
rioja_hospitalizados_porcentaje$ultima_actualizacion_hospitalizados_porcentaje = as.Date(fecha_valores_hospitalizados_porcentaje[2], '%d/%m/%Y')
rioja_hospitalizados_porcentaje$ambito_temporal_hospitalizados_porcentaje = as.Date(fecha_valores_hospitalizados_porcentaje[3], '%d/%m/%Y')## franja_edad hombres mujeres
## Length:8 Min. : 0.500 Min. : 0.700
## Class :character 1st Qu.: 1.475 1st Qu.: 1.325
## Mode :character Median : 6.300 Median : 5.400
## Mean :12.500 Mean :12.512
## 3rd Qu.:15.650 3rd Qu.:10.500
## Max. :51.800 Max. :64.300
## fecha_publicacion_hospitalizados_porcentaje
## Min. :2020-04-28
## 1st Qu.:2020-04-28
## Median :2020-04-28
## Mean :2020-04-28
## 3rd Qu.:2020-04-28
## Max. :2020-04-28
## ultima_actualizacion_hospitalizados_porcentaje
## Min. :2020-05-16
## 1st Qu.:2020-05-16
## Median :2020-05-16
## Mean :2020-05-16
## 3rd Qu.:2020-05-16
## Max. :2020-05-16
## ambito_temporal_hospitalizados_porcentaje
## Min. :2020-02-24
## 1st Qu.:2020-02-24
## Median :2020-02-24
## Mean :2020-02-24
## 3rd Qu.:2020-02-24
## Max. :2020-02-24## 'data.frame': 8 obs. of 6 variables:
## $ franja_edad : chr "0-9 " "10-19 " "20-29 " "30-39 " ...
## $ hombres : num 0.5 0.5 1.8 4.2 8.4 14.9 17.9 51.8
## $ mujeres : num 0.7 0.8 1.5 4.1 6.7 10 12 64.3
## $ fecha_publicacion_hospitalizados_porcentaje : Date, format: "2020-04-28" "2020-04-28" ...
## $ ultima_actualizacion_hospitalizados_porcentaje: Date, format: "2020-05-16" "2020-05-16" ...
## $ ambito_temporal_hospitalizados_porcentaje : Date, format: "2020-02-24" "2020-02-24" ...## [1] 100## [1] 100.1Revisar que cuadra
# En esta caso es la última línea
diario <- data.frame(
# hospitalizados_hombres_00_09 = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '0-9 '],
# hospitalizados_hombres_10_19 = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '10-19 '],
# hospitalizados_hombres_20_19 = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '20-29 '],
# hospitalizados_hombres_30_19 = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '30-39 '],
# hospitalizados_hombres_40_19 = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '40-49 '],
# hospitalizados_hombres_50_19 = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '50-59 '],
# hospitalizados_hombres_60_19 = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '60-69 '],
# hospitalizados_hombres_70_Mas = rioja_hospitalizados_porcentaje$hombres[rioja_hospitalizados_porcentaje$franja_edad == '70 y más'],
#
# hospitalizados_mujeres_00_09 = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '0-9 '],
# hospitalizados_mujeres_10_19 = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '10-19 '],
# hospitalizados_mujeres_20_19 = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '20-29 '],
# hospitalizados_mujeres_30_19 = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '30-39 '],
# hospitalizados_mujeres_40_19 = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '40-49 '],
# hospitalizados_mujeres_50_19 = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '50-59 '],
# hospitalizados_mujeres_60_19 = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '60-69 '],
# hospitalizados_mujeres_70_Mas = rioja_hospitalizados_porcentaje$mujeres[rioja_hospitalizados_porcentaje$franja_edad == '70 y más'],
hospitalizados_hombres_00_09 = rioja_hospitalizados_porcentaje$hombres[1],
hospitalizados_hombres_10_19 = rioja_hospitalizados_porcentaje$hombres[2],
hospitalizados_hombres_20_19 = rioja_hospitalizados_porcentaje$hombres[3],
hospitalizados_hombres_30_19 = rioja_hospitalizados_porcentaje$hombres[4],
hospitalizados_hombres_40_19 = rioja_hospitalizados_porcentaje$hombres[5],
hospitalizados_hombres_50_19 = rioja_hospitalizados_porcentaje$hombres[6],
hospitalizados_hombres_60_19 = rioja_hospitalizados_porcentaje$hombres[7],
hospitalizados_hombres_70_Mas = rioja_hospitalizados_porcentaje$hombres[8],
hospitalizados_mujeres_00_09 = rioja_hospitalizados_porcentaje$mujeres[1],
hospitalizados_mujeres_10_19 = rioja_hospitalizados_porcentaje$mujeres[2],
hospitalizados_mujeres_20_19 = rioja_hospitalizados_porcentaje$mujeres[3],
hospitalizados_mujeres_30_19 = rioja_hospitalizados_porcentaje$mujeres[4],
hospitalizados_mujeres_40_19 = rioja_hospitalizados_porcentaje$mujeres[5],
hospitalizados_mujeres_50_19 = rioja_hospitalizados_porcentaje$mujeres[6],
hospitalizados_mujeres_60_19 = rioja_hospitalizados_porcentaje$mujeres[7],
hospitalizados_mujeres_70_Mas = rioja_hospitalizados_porcentaje$mujeres[8],
fecha_publicacion_hospitalizados_porcentaje = as.Date(fecha_valores_hospitalizados_porcentaje[1], '%d/%m/%Y'),
ultima_actualizacion_hospitalizados_porcentaje = as.Date(fecha_valores_hospitalizados_porcentaje[2], '%d/%m/%Y'),
ambito_temporal_hospitalizados_porcentaje = as.Date(fecha_valores_hospitalizados_porcentaje[3], '%d/%m/%Y')
)Guardamos
Añadimos al diario
Porcentaje de hospitalizados en UCI por grupo de edad y sexo
Porcentaje de hospitalizados en UCI por grupo de edad y sexo a fecha actual
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-454
page_uci_porcentaje <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-454')
# find all nodes with a class of "col_md_6"
col_md_6_uci_porcentaje <- html_nodes(page_uci_porcentaje, css = '.col-md-6')
col_md_6_uci_porcentaje## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_uci_porcentaje <- html_children(col_md_6_uci_porcentaje[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_uci_porcentaje## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_uci_porcentaje <- html_children(col_md_6_uci_porcentaje[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_uci_porcentaje## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_uci_porcentaje <- read_delim(link_uci_porcentaje, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Warning: Missing column names filled in: 'X4' [4]## Parsed with column specification:
## cols(
## `Grupo de edad (años)` = col_character(),
## Hombres = col_double(),
## Mujeres = col_double(),
## X4 = col_logical()
## )Borramos x4
Incorporamos la fecha del dato
rioja_uci_porcentaje$fecha_publicacion_uci_porcentaje = as.Date(fecha_valores_uci_porcentaje[1], '%d/%m/%Y')
rioja_uci_porcentaje$ultima_actualizacion_uci_porcentaje = as.Date(fecha_valores_uci_porcentaje[2], '%d/%m/%Y')
rioja_uci_porcentaje$ambito_temporal_uci_porcentaje = as.Date(fecha_valores_uci_porcentaje[3], '%d/%m/%Y')## franja_edad hombres mujeres
## Length:8 Min. : 0.00 Min. : 0.00
## Class :character 1st Qu.: 1.50 1st Qu.: 0.00
## Mode :character Median : 3.05 Median : 4.50
## Mean :12.49 Mean :12.49
## 3rd Qu.:26.02 3rd Qu.:22.70
## Max. :36.70 Max. :45.50
## fecha_publicacion_uci_porcentaje ultima_actualizacion_uci_porcentaje
## Min. :2020-04-28 Min. :2020-05-16
## 1st Qu.:2020-04-28 1st Qu.:2020-05-16
## Median :2020-04-28 Median :2020-05-16
## Mean :2020-04-28 Mean :2020-05-16
## 3rd Qu.:2020-04-28 3rd Qu.:2020-05-16
## Max. :2020-04-28 Max. :2020-05-16
## ambito_temporal_uci_porcentaje
## Min. :2020-02-24
## 1st Qu.:2020-02-24
## Median :2020-02-24
## Mean :2020-02-24
## 3rd Qu.:2020-02-24
## Max. :2020-02-24## 'data.frame': 8 obs. of 6 variables:
## $ franja_edad : chr "0-9 " "10-19 " "20-29 " "30-39 " ...
## $ hombres : num 2 0 0 2 4.1 24.5 36.7 30.6
## $ mujeres : num 0 0 0 4.5 4.5 22.7 22.7 45.5
## $ fecha_publicacion_uci_porcentaje : Date, format: "2020-04-28" "2020-04-28" ...
## $ ultima_actualizacion_uci_porcentaje: Date, format: "2020-05-16" "2020-05-16" ...
## $ ambito_temporal_uci_porcentaje : Date, format: "2020-02-24" "2020-02-24" ...## [1] 99.9## [1] 99.9Revisar que cuadra
# En esta caso es la última línea
diario <- data.frame(
# uci_hombres_00_09 = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '0-9 '],
# uci_hombres_10_19 = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '10-19 '],
# uci_hombres_20_19 = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '20-29 '],
# uci_hombres_30_19 = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '30-39 '],
# uci_hombres_40_19 = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '40-49 '],
# uci_hombres_50_19 = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '50-59 '],
# uci_hombres_60_19 = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '60-69 '],
# uci_hombres_70_Mas = rioja_uci_porcentaje$hombres[rioja_uci_porcentaje$franja_edad == '70 y más'],
#
# uci_mujeres_00_09 = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '0-9 '],
# uci_mujeres_10_19 = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '10-19 '],
# uci_mujeres_20_19 = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '20-29 '],
# uci_mujeres_30_19 = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '30-39 '],
# uci_mujeres_40_19 = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '40-49 '],
# uci_mujeres_50_19 = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '50-59 '],
# uci_mujeres_60_19 = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '60-69 '],
# uci_mujeres_70_Mas = rioja_uci_porcentaje$mujeres[rioja_uci_porcentaje$franja_edad == '70 y más'],
uci_hombres_00_09 = rioja_uci_porcentaje$hombres[1],
uci_hombres_10_19 = rioja_uci_porcentaje$hombres[2],
uci_hombres_20_19 = rioja_uci_porcentaje$hombres[3],
uci_hombres_30_19 = rioja_uci_porcentaje$hombres[4],
uci_hombres_40_19 = rioja_uci_porcentaje$hombres[5],
uci_hombres_50_19 = rioja_uci_porcentaje$hombres[6],
uci_hombres_60_19 = rioja_uci_porcentaje$hombres[7],
uci_hombres_70_Mas = rioja_uci_porcentaje$hombres[8],
uci_mujeres_00_09 = rioja_uci_porcentaje$mujeres[1],
uci_mujeres_10_19 = rioja_uci_porcentaje$mujeres[2],
uci_mujeres_20_19 = rioja_uci_porcentaje$mujeres[3],
uci_mujeres_30_19 = rioja_uci_porcentaje$mujeres[4],
uci_mujeres_40_19 = rioja_uci_porcentaje$mujeres[5],
uci_mujeres_50_19 = rioja_uci_porcentaje$mujeres[6],
uci_mujeres_60_19 = rioja_uci_porcentaje$mujeres[7],
uci_mujeres_70_Mas = rioja_uci_porcentaje$mujeres[8],
fecha_publicacion_uci_porcentaje = as.Date(fecha_valores_uci_porcentaje[1], '%d/%m/%Y'),
ultima_actualizacion_uci_porcentaje = as.Date(fecha_valores_uci_porcentaje[2], '%d/%m/%Y'),
ambito_temporal_uci_porcentaje = as.Date(fecha_valores_uci_porcentaje[3], '%d/%m/%Y')
)Guardamos
Añadimos al diario
Porcentaje de fallecidos por grupo de edad y sexo
Porcentaje de fallecidos por grupo de edad y sexo a fecha actual
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-455
page_fallecidos_porcentaje <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-455')
# find all nodes with a class of "col_md_6"
col_md_6_fallecidos_porcentaje <- html_nodes(page_fallecidos_porcentaje, css = '.col-md-6')
col_md_6_fallecidos_porcentaje## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_fallecidos_porcentaje <- html_children(col_md_6_fallecidos_porcentaje[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_fallecidos_porcentaje## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_fallecidos_porcentaje <- html_children(col_md_6_fallecidos_porcentaje[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_fallecidos_porcentaje## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_fallecidos_porcentaje <- read_delim(link_fallecidos_porcentaje, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Warning: Missing column names filled in: 'X4' [4]## Parsed with column specification:
## cols(
## `Grupo de edad (años)` = col_character(),
## Hombres = col_double(),
## Mujeres = col_double(),
## X4 = col_logical()
## )Borramos x4
Incorporamos la fecha del dato
rioja_fallecidos_porcentaje$fecha_publicacion_fallecidos_porcentaje = as.Date(fecha_valores_fallecidos_porcentaje[1], '%d/%m/%Y')
rioja_fallecidos_porcentaje$ultima_actualizacion_fallecidos_porcentaje = as.Date(fecha_valores_fallecidos_porcentaje[2], '%d/%m/%Y')
rioja_fallecidos_porcentaje$ambito_temporal_fallecidos_porcentaje = as.Date(fecha_valores_fallecidos_porcentaje[3], '%d/%m/%Y')## franja_edad hombres mujeres
## Length:8 Min. : 0.0 Min. : 0.0
## Class :character 1st Qu.: 0.0 1st Qu.: 0.0
## Mode :character Median : 1.2 Median : 0.3
## Mean :12.5 Mean :12.5
## 3rd Qu.: 5.4 3rd Qu.: 1.9
## Max. :83.0 Max. :94.2
## fecha_publicacion_fallecidos_porcentaje
## Min. :2020-04-28
## 1st Qu.:2020-04-28
## Median :2020-04-28
## Mean :2020-04-28
## 3rd Qu.:2020-04-28
## Max. :2020-04-28
## ultima_actualizacion_fallecidos_porcentaje
## Min. :2020-05-16
## 1st Qu.:2020-05-16
## Median :2020-05-16
## Mean :2020-05-16
## 3rd Qu.:2020-05-16
## Max. :2020-05-16
## ambito_temporal_fallecidos_porcentaje
## Min. :2020-02-24
## 1st Qu.:2020-02-24
## Median :2020-02-24
## Mean :2020-02-24
## 3rd Qu.:2020-02-24
## Max. :2020-02-24## 'data.frame': 8 obs. of 6 variables:
## $ franja_edad : chr "0-9 " "10-19 " "20-29 " "30-39 " ...
## $ hombres : num 0 0 0 0.6 1.8 3.5 11.1 83
## $ mujeres : num 0 0 0 0.6 1.2 0 4 94.2
## $ fecha_publicacion_fallecidos_porcentaje : Date, format: "2020-04-28" "2020-04-28" ...
## $ ultima_actualizacion_fallecidos_porcentaje: Date, format: "2020-05-16" "2020-05-16" ...
## $ ambito_temporal_fallecidos_porcentaje : Date, format: "2020-02-24" "2020-02-24" ...## [1] 100## [1] 100Revisar que cuadra
# En esta caso es la última línea
diario <- data.frame(
# fallecidos_hombres_00_09 = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '0-9 '],
# fallecidos_hombres_10_19 = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '10-19 '],
# fallecidos_hombres_20_19 = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '20-29 '],
# fallecidos_hombres_30_19 = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '30-39 '],
# fallecidos_hombres_40_19 = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '40-49 '],
# fallecidos_hombres_50_19 = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '50-59 '],
# fallecidos_hombres_60_19 = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '60-69 '],
# fallecidos_hombres_70_Mas = rioja_fallecidos_porcentaje$hombres[rioja_fallecidos_porcentaje$franja_edad == '70 y más'],
#
# fallecidos_mujeres_00_09 = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '0-9 '],
# fallecidos_mujeres_10_19 = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '10-19 '],
# fallecidos_mujeres_20_19 = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '20-29 '],
# fallecidos_mujeres_30_19 = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '30-39 '],
# fallecidos_mujeres_40_19 = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '40-49 '],
# fallecidos_mujeres_50_19 = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '50-59 '],
# fallecidos_mujeres_60_19 = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '60-69 '],
# fallecidos_mujeres_70_Mas = rioja_fallecidos_porcentaje$mujeres[rioja_fallecidos_porcentaje$franja_edad == '70 y más'],
fallecidos_hombres_00_09 = rioja_fallecidos_porcentaje$hombres[1],
fallecidos_hombres_10_19 = rioja_fallecidos_porcentaje$hombres[2],
fallecidos_hombres_20_19 = rioja_fallecidos_porcentaje$hombres[3],
fallecidos_hombres_30_19 = rioja_fallecidos_porcentaje$hombres[4],
fallecidos_hombres_40_19 = rioja_fallecidos_porcentaje$hombres[5],
fallecidos_hombres_50_19 = rioja_fallecidos_porcentaje$hombres[6],
fallecidos_hombres_60_19 = rioja_fallecidos_porcentaje$hombres[7],
fallecidos_hombres_70_Mas = rioja_fallecidos_porcentaje$hombres[8],
fallecidos_mujeres_00_09 = rioja_fallecidos_porcentaje$mujeres[1],
fallecidos_mujeres_10_19 = rioja_fallecidos_porcentaje$mujeres[2],
fallecidos_mujeres_20_19 = rioja_fallecidos_porcentaje$mujeres[3],
fallecidos_mujeres_30_19 = rioja_fallecidos_porcentaje$mujeres[4],
fallecidos_mujeres_40_19 = rioja_fallecidos_porcentaje$mujeres[5],
fallecidos_mujeres_50_19 = rioja_fallecidos_porcentaje$mujeres[6],
fallecidos_mujeres_60_19 = rioja_fallecidos_porcentaje$mujeres[7],
fallecidos_mujeres_70_Mas = rioja_fallecidos_porcentaje$mujeres[8],
fecha_publicacion_fallecidos_porcentaje = as.Date(fecha_valores_fallecidos_porcentaje[1], '%d/%m/%Y'),
ultima_actualizacion_fallecidos_porcentaje = as.Date(fecha_valores_fallecidos_porcentaje[2], '%d/%m/%Y'),
ambito_temporal_fallecidos_porcentaje = as.Date(fecha_valores_fallecidos_porcentaje[3], '%d/%m/%Y')
)Guardamos
Añadimos al diario
Porcentaje de casos por grupos de edad
Porcentaje de casos por grupo de edad y sexo a fecha actual
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-456
page_casos_porcentaje <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-456')
# find all nodes with a class of "col_md_6"
col_md_6_casos_porcentaje <- html_nodes(page_casos_porcentaje, css = '.col-md-6')
col_md_6_casos_porcentaje## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_casos_porcentaje <- html_children(col_md_6_casos_porcentaje[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_casos_porcentaje## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_casos_porcentaje <- html_children(col_md_6_casos_porcentaje[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_casos_porcentaje## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_casos_porcentaje <- read_delim(link_casos_porcentaje, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Warning: Missing column names filled in: 'X4' [4]## Parsed with column specification:
## cols(
## `Grupo de edad (años)` = col_character(),
## Hombres = col_double(),
## Mujeres = col_double(),
## X4 = col_logical()
## )Borramos x4
Incorporamos la fecha del dato
rioja_casos_porcentaje$fecha_publicacion_casos_porcentaje = as.Date(fecha_valores_casos_porcentaje[1], '%d/%m/%Y')
rioja_casos_porcentaje$ultima_actualizacion_casos_porcentaje = as.Date(fecha_valores_casos_porcentaje[2], '%d/%m/%Y')
rioja_casos_porcentaje$ambito_temporal_casos_porcentaje = as.Date(fecha_valores_casos_porcentaje[3], '%d/%m/%Y')## franja_edad hombres mujeres
## Length:8 Min. : 0.700 Min. : 0.70
## Class :character 1st Qu.: 3.975 1st Qu.: 5.05
## Mode :character Median :11.250 Median :11.20
## Mean :12.500 Mean :12.50
## 3rd Qu.:16.075 3rd Qu.:16.02
## Max. :37.600 Max. :36.60
## fecha_publicacion_casos_porcentaje ultima_actualizacion_casos_porcentaje
## Min. :2020-04-28 Min. :2020-05-16
## 1st Qu.:2020-04-28 1st Qu.:2020-05-16
## Median :2020-04-28 Median :2020-05-16
## Mean :2020-04-28 Mean :2020-05-16
## 3rd Qu.:2020-04-28 3rd Qu.:2020-05-16
## Max. :2020-04-28 Max. :2020-05-16
## ambito_temporal_casos_porcentaje
## Min. :2020-02-24
## 1st Qu.:2020-02-24
## Median :2020-02-24
## Mean :2020-02-24
## 3rd Qu.:2020-02-24
## Max. :2020-02-24## 'data.frame': 8 obs. of 6 variables:
## $ franja_edad : chr "0-9 " "10-19 " "20-29 " "30-39 " ...
## $ hombres : num 0.7 1.2 4.9 9.5 13 17.5 15.6 37.6
## $ mujeres : num 0.7 1.3 6.3 10.9 15.7 17 11.5 36.6
## $ fecha_publicacion_casos_porcentaje : Date, format: "2020-04-28" "2020-04-28" ...
## $ ultima_actualizacion_casos_porcentaje: Date, format: "2020-05-16" "2020-05-16" ...
## $ ambito_temporal_casos_porcentaje : Date, format: "2020-02-24" "2020-02-24" ...## [1] 100## [1] 100Revisar que cuadra
# En esta caso es la última línea
diario <- data.frame(
# casos_hombres_00_09 = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '0-9 '],
# casos_hombres_10_19 = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '10-19 '],
# casos_hombres_20_19 = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '20-29 '],
# casos_hombres_30_19 = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '30-39 '],
# casos_hombres_40_19 = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '40-49 '],
# casos_hombres_50_19 = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '50-59 '],
# casos_hombres_60_19 = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '60-69 '],
# casos_hombres_70_Mas = rioja_casos_porcentaje$hombres[rioja_casos_porcentaje$franja_edad == '70 y más'],
#
# casos_mujeres_00_09 = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '0-9 '],
# casos_mujeres_10_19 = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '10-19 '],
# casos_mujeres_20_19 = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '20-29 '],
# casos_mujeres_30_19 = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '30-39 '],
# casos_mujeres_40_19 = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '40-49 '],
# casos_mujeres_50_19 = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '50-59 '],
# casos_mujeres_60_19 = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '60-69 '],
# casos_mujeres_70_Mas = rioja_casos_porcentaje$mujeres[rioja_casos_porcentaje$franja_edad == '70 y más'],
casos_hombres_00_09 = rioja_casos_porcentaje$hombres[1],
casos_hombres_10_19 = rioja_casos_porcentaje$hombres[2],
casos_hombres_20_19 = rioja_casos_porcentaje$hombres[3],
casos_hombres_30_19 = rioja_casos_porcentaje$hombres[4],
casos_hombres_40_19 = rioja_casos_porcentaje$hombres[5],
casos_hombres_50_19 = rioja_casos_porcentaje$hombres[6],
casos_hombres_60_19 = rioja_casos_porcentaje$hombres[7],
casos_hombres_70_Mas = rioja_casos_porcentaje$hombres[8],
casos_mujeres_00_09 = rioja_casos_porcentaje$mujeres[1],
casos_mujeres_10_19 = rioja_casos_porcentaje$mujeres[2],
casos_mujeres_20_19 = rioja_casos_porcentaje$mujeres[3],
casos_mujeres_30_19 = rioja_casos_porcentaje$mujeres[4],
casos_mujeres_40_19 = rioja_casos_porcentaje$mujeres[5],
casos_mujeres_50_19 = rioja_casos_porcentaje$mujeres[6],
casos_mujeres_60_19 = rioja_casos_porcentaje$mujeres[7],
casos_mujeres_70_Mas = rioja_casos_porcentaje$mujeres[8],
fecha_publicacion_casos_porcentaje = as.Date(fecha_valores_casos_porcentaje[1], '%d/%m/%Y'),
ultima_actualizacion_casos_porcentaje = as.Date(fecha_valores_casos_porcentaje[2], '%d/%m/%Y'),
ambito_temporal_casos_porcentaje = as.Date(fecha_valores_casos_porcentaje[3], '%d/%m/%Y')
)Guardamos
Añadimos al diario
Pruebas realizadas en La Rioja
Pruebas realizadas en La Rioja (PCR y pruebas rápidas de anticuerpos)
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-462
page_pruebas <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-462')
# find all nodes with a class of "col_md_6"
col_md_6_pruebas <- html_nodes(page_pruebas, css = '.col-md-6')
col_md_6_pruebas## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_pruebas <- html_children(col_md_6_pruebas[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_pruebas## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_pruebas <- html_children(col_md_6_pruebas[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_pruebas## [1] "29/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_pruebas <- read_delim(link_pruebas, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Parsed with column specification:
## cols(
## Pruebas = col_character(),
## `Total de pruebas` = col_double(),
## `Total de pruebas positivas` = col_double(),
## `Porcentaje de pruebas positivas sobre el total` = col_double()
## )names(rioja_pruebas) <- c("tipo_prueba", "total_pruebas", "pruebas_positivas",
"Porcentaje_pruebas_positivas")Incorporamos la fecha del dato
rioja_pruebas$fecha_publicacion_pruebas = as.Date(fecha_valores_pruebas[1], '%d/%m/%Y')
rioja_pruebas$ultima_actualizacion_pruebas = as.Date(fecha_valores_pruebas[2], '%d/%m/%Y')
rioja_pruebas$ambito_temporal_pruebas = as.Date(fecha_valores_pruebas[3], '%d/%m/%Y')## tipo_prueba total_pruebas pruebas_positivas
## Length:2 Min. :12956 Min. :1505
## Class :character 1st Qu.:16198 1st Qu.:2397
## Mode :character Median :19440 Median :3290
## Mean :19440 Mean :3290
## 3rd Qu.:22681 3rd Qu.:4182
## Max. :25923 Max. :5074
## Porcentaje_pruebas_positivas fecha_publicacion_pruebas
## Min. :11.61 Min. :2020-04-29
## 1st Qu.:13.60 1st Qu.:2020-04-29
## Median :15.59 Median :2020-04-29
## Mean :15.59 Mean :2020-04-29
## 3rd Qu.:17.58 3rd Qu.:2020-04-29
## Max. :19.57 Max. :2020-04-29
## ultima_actualizacion_pruebas ambito_temporal_pruebas
## Min. :2020-05-16 Min. :2020-02-24
## 1st Qu.:2020-05-16 1st Qu.:2020-02-24
## Median :2020-05-16 Median :2020-02-24
## Mean :2020-05-16 Mean :2020-02-24
## 3rd Qu.:2020-05-16 3rd Qu.:2020-02-24
## Max. :2020-05-16 Max. :2020-02-24Revisar que cuadra
# En esta caso es la última línea
diario <- data.frame(
pcr_realizadas = rioja_pruebas$total_pruebas[1],
pcr_positivos = rioja_pruebas$pruebas_positivas[1],
pruebas_rapidas_anticuerpos = rioja_pruebas$total_pruebas[2],
pruebas_rapidas_positivas = rioja_pruebas$pruebas_positivas[2],
fecha_publicacion_pruebas = as.Date(fecha_valores_pruebas[1], '%d/%m/%Y'),
ultima_actualizacion_pruebas = as.Date(fecha_valores_pruebas[2], '%d/%m/%Y'),
ambito_temporal_pruebas = as.Date(fecha_valores_pruebas[3], '%d/%m/%Y')
)Guardamos
Añadimos al diario
Salidas domiciliarias
Datos de salidas domiciliarias por día realizadas en La Rioja. Incluye fecha y número de salidas
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-463
page_salidas_domiciliarias <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-463')
# find all nodes with a class of "col_md_6"
col_md_6_salidas_domiciliarias <- html_nodes(page_salidas_domiciliarias, css = '.col-md-6')
col_md_6_salidas_domiciliarias## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_salidas_domiciliarias <- html_children(col_md_6_salidas_domiciliarias[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_salidas_domiciliarias## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_salidas_domiciliarias <- html_children(col_md_6_salidas_domiciliarias[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_salidas_domiciliarias## [1] "29/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 29/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_salidas_domiciliarias <- read_delim(link_salidas_domiciliarias, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Parsed with column specification:
## cols(
## FECHA = col_character(),
## `SALIDAS DOMICILIARIAS` = col_double()
## )Revisar esto
Tienen que coincidir las fechas
Calculamos los acumulados
# Valores diarios
rioja_salidas_domiciliarias$acumulado_salidas_domiciliarias <- 0
for (i in 2:dim(rioja_salidas_domiciliarias)[1]) {
rioja_salidas_domiciliarias$acumulado_salidas_domiciliarias[i] <- rioja_salidas_domiciliarias$acumulado_salidas_domiciliarias[i-1] + rioja_salidas_domiciliarias$salidas_domiciliarias[i]
}Incorporamos la fecha del dato
rioja_salidas_domiciliarias$fecha_publicacion_salidas_domiciliarias = as.Date(fecha_valores_salidas_domiciliarias[1], '%d/%m/%Y')
rioja_salidas_domiciliarias$ultima_actualizacion_salidas_domiciliarias = as.Date(fecha_valores_salidas_domiciliarias[2], '%d/%m/%Y')
rioja_salidas_domiciliarias$ambito_temporal_salidas_domiciliarias = as.Date(fecha_valores_salidas_domiciliarias[3], '%d/%m/%Y')## fecha salidas_domiciliarias acumulado_salidas_domiciliarias
## Min. :20-02-24 Min. : 0 Min. : 0
## 1st Qu.:20-03-15 1st Qu.: 22 1st Qu.: 945
## Median :20-04-04 Median : 52 Median :2539
## Mean :20-04-04 Mean : 50 Mean :2241
## 3rd Qu.:20-04-24 3rd Qu.: 71 3rd Qu.:3645
## Max. :20-05-14 Max. :139 Max. :4050
## fecha_publicacion_salidas_domiciliarias
## Min. :2020-04-29
## 1st Qu.:2020-04-29
## Median :2020-04-29
## Mean :2020-04-29
## 3rd Qu.:2020-04-29
## Max. :2020-04-29
## ultima_actualizacion_salidas_domiciliarias
## Min. :2020-05-16
## 1st Qu.:2020-05-16
## Median :2020-05-16
## Mean :2020-05-16
## 3rd Qu.:2020-05-16
## Max. :2020-05-16
## ambito_temporal_salidas_domiciliarias
## Min. :2020-02-24
## 1st Qu.:2020-02-24
## Median :2020-02-24
## Mean :2020-02-24
## 3rd Qu.:2020-02-24
## Max. :2020-02-24Guardamos
Autoevaluaciones en el servicio online realizadas en La Rioja
Datos de autoevaluaciones en el servicio online coronavirus.riojasalud.es realizadas por día en La Rioja. Incluye fecha y número de autoevaluaciones
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-464
page_autoevaluaciones_online <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-464')
# find all nodes with a class of "col_md_6"
col_md_6_autoevaluaciones_online <- html_nodes(page_autoevaluaciones_online, css = '.col-md-6')
col_md_6_autoevaluaciones_online## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_autoevaluaciones_online <- html_children(col_md_6_autoevaluaciones_online[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_autoevaluaciones_online## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_autoevaluaciones_online <- html_children(col_md_6_autoevaluaciones_online[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_autoevaluaciones_online## [1] "29/04/2020"
## [2] "16/05/2020"
## [3] "01/04/2020"
## [4] "Fecha de creación: 29/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_autoevaluaciones_online <- read_delim(link_autoevaluaciones_online, ",", escape_double = FALSE,
na = c("", "NA", "-"), trim_ws = TRUE)## Parsed with column specification:
## cols(
## FECHA = col_character(),
## AUTOEVALUACIÓN = col_double()
## )Revisar esto
Tienen que coincidir las fechas
Calculamos los acumulados
# Valores diarios
rioja_autoevaluaciones_online$acumulado_autoevaluaciones_online <- 0
for (i in 2:dim(rioja_autoevaluaciones_online)[1]) {
rioja_autoevaluaciones_online$acumulado_autoevaluaciones_online[i] <- rioja_autoevaluaciones_online$acumulado_autoevaluaciones_online[i-1] + rioja_autoevaluaciones_online$autoevaluaciones_online[i]
}Incorporamos la fecha del dato
rioja_autoevaluaciones_online$fecha_publicacion_autoevaluaciones_online = as.Date(fecha_valores_autoevaluaciones_online[1], '%d/%m/%Y')
rioja_autoevaluaciones_online$ultima_actualizacion_autoevaluaciones_online = as.Date(fecha_valores_autoevaluaciones_online[2], '%d/%m/%Y')
rioja_autoevaluaciones_online$ambito_temporal_autoevaluaciones_online = as.Date(fecha_valores_autoevaluaciones_online[3], '%d/%m/%Y')## fecha autoevaluaciones_online acumulado_autoevaluaciones_online
## Min. :20-04-01 Min. : 1.00 Min. : 0.0
## 1st Qu.:20-04-11 1st Qu.: 7.00 1st Qu.: 703.2
## Median :20-04-22 Median : 11.50 Median : 834.0
## Mean :20-04-22 Mean : 66.14 Mean : 846.3
## 3rd Qu.:20-05-03 3rd Qu.: 40.50 3rd Qu.: 917.0
## Max. :20-05-14 Max. :586.00 Max. :2324.0
## fecha_publicacion_autoevaluaciones_online
## Min. :2020-04-29
## 1st Qu.:2020-04-29
## Median :2020-04-29
## Mean :2020-04-29
## 3rd Qu.:2020-04-29
## Max. :2020-04-29
## ultima_actualizacion_autoevaluaciones_online
## Min. :2020-05-16
## 1st Qu.:2020-05-16
## Median :2020-05-16
## Mean :2020-05-16
## 3rd Qu.:2020-05-16
## Max. :2020-05-16
## ambito_temporal_autoevaluaciones_online
## Min. :2020-04-01
## 1st Qu.:2020-04-01
## Median :2020-04-01
## Mean :2020-04-01
## 3rd Qu.:2020-04-01
## Max. :2020-04-01Guardamos
Personal afectado del Servicio Público de Salud de La Rioja
Casos activos y porcentaje sobre el total de trabajadores sanitarios a fecha actual
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-457
page_casos_activos_sanitarios <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-457')
# find all nodes with a class of "col_md_6"
col_md_6_sanitarios <- html_nodes(page_casos_activos_sanitarios, css = '.col-md-6')
col_md_6_sanitarios## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_sanitarios <- html_children(col_md_6_sanitarios[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_sanitarios## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_sanitarios <- html_children(col_md_6_sanitarios[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_sanitarios## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
## Parsed with column specification:
## cols(
## `Categoría laboral` = col_character(),
## `Casos activos` = col_double(),
## Altas = col_double(),
## `Casos acumulados` = col_double()
## )names(rioja_personal_sanitario) <- c("sanitarios_categoria_laboral",
"sanitarios_casos_activos",
"sanitarios_altas",
"sanitarios_casos_acumulados")## [1] 0Incorporamos la fecha del dato
rioja_personal_sanitario$fecha_publicacion_sanitarios = as.Date(fecha_valores_sanitarios[1], '%d/%m/%Y')
rioja_personal_sanitario$ultima_actualizacion_sanitarios = as.Date(fecha_valores_sanitarios[2], '%d/%m/%Y')
rioja_personal_sanitario$ambito_temporal_sanitarios = as.Date(fecha_valores_sanitarios[3], '%d/%m/%Y')## sanitarios_categoria_laboral sanitarios_casos_activos sanitarios_altas
## Length:7 Min. : 1 Min. : 17.00
## Class :character 1st Qu.: 2 1st Qu.: 25.00
## Mode :character Median : 4 Median : 63.00
## Mean : 6 Mean : 91.43
## 3rd Qu.: 6 3rd Qu.: 95.00
## Max. :21 Max. :320.00
## sanitarios_casos_acumulados fecha_publicacion_sanitarios
## Min. : 18.00 Min. :2020-04-28
## 1st Qu.: 27.00 1st Qu.:2020-04-28
## Median : 71.00 Median :2020-04-28
## Mean : 97.43 Mean :2020-04-28
## 3rd Qu.: 99.00 3rd Qu.:2020-04-28
## Max. :341.00 Max. :2020-04-28
## ultima_actualizacion_sanitarios ambito_temporal_sanitarios
## Min. :2020-05-16 Min. :2020-02-24
## 1st Qu.:2020-05-16 1st Qu.:2020-02-24
## Median :2020-05-16 Median :2020-02-24
## Mean :2020-05-16 Mean :2020-02-24
## 3rd Qu.:2020-05-16 3rd Qu.:2020-02-24
## Max. :2020-05-16 Max. :2020-02-24Revisar que cuadra
diario <- data.frame(sanitarios_casos_activos_diario = rioja_personal_sanitario$sanitarios_casos_activos[rioja_personal_sanitario$sanitarios_categoria_laboral == 'Total'],
sanitarios_casos_activos_altas = rioja_personal_sanitario$sanitarios_altas[rioja_personal_sanitario$sanitarios_categoria_laboral == 'Total'],
sanitarios_casos_activos_acumulado = rioja_personal_sanitario$sanitarios_casos_acumulados[rioja_personal_sanitario$sanitarios_categoria_laboral == 'Total'],
fecha_publicacion_sanitarios = as.Date(fecha_valores_sanitarios[1], '%d/%m/%Y'),
ultima_actualizacion_sanitarios = as.Date(fecha_valores_sanitarios[2], '%d/%m/%Y'),
ambito_temporal_sanitarios = as.Date(fecha_valores_sanitarios[3], '%d/%m/%Y')
)Sólo pongo los totales. Los datos son semanales
Guardamos
Añadimos al diario
Fallecimientos por días
Evolución diaria del número de fallecimientos, con indicación de los ocurridos en residencias
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-458
page_casos_activos_fallecidos <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-458')
# find all nodes with a class of "col_md_6"
col_md_6_fallecidos <- html_nodes(page_casos_activos_fallecidos, css = '.col-md-6')
col_md_6_fallecidos## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_fallecidos <- html_children(col_md_6_fallecidos[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_fallecidos## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_fallecidos <- html_children(col_md_6_fallecidos[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_fallecidos## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "09/03/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
## Parsed with column specification:
## cols(
## FECHA = col_character(),
## TOTALES = col_double(),
## RESIDENCIAS = col_double()
## )Revisar esto
Tienen que coincidir las fechas
Calculamos los acumulados
# Valores diarios
rioja_fallecidos$acumulado_fallecidos_totales <- rioja_fallecidos$fallecidos_totales[1]
rioja_fallecidos$acumulado_fallecidos_residencias <- rioja_fallecidos$fallecidos_residencias[1]
for (i in 2:dim(rioja_fallecidos)[1]) {
rioja_fallecidos$acumulado_fallecidos_totales[i] <- rioja_fallecidos$acumulado_fallecidos_totales[i-1] + rioja_fallecidos$fallecidos_totales[i]
rioja_fallecidos$acumulado_fallecidos_residencias[i] <- rioja_fallecidos$acumulado_fallecidos_residencias[i-1] + rioja_fallecidos$fallecidos_residencias[i]
}Incorporamos la fecha del dato
rioja_fallecidos$fecha_publicacion_fallecidos = as.Date(fecha_valores_fallecidos[1], '%d/%m/%Y')
rioja_fallecidos$ultima_actualizacion_fallecidos = as.Date(fecha_valores_fallecidos[2], '%d/%m/%Y')
rioja_fallecidos$ambito_temporal_fallecidos = as.Date(fecha_valores_fallecidos[3], '%d/%m/%Y')## fecha fallecidos_totales fallecidos_residencias
## Min. :2020-03-09 Min. : 0.000 Min. : 0.00
## 1st Qu.:2020-03-25 1st Qu.: 1.000 1st Qu.: 0.00
## Median :2020-04-11 Median : 4.000 Median : 2.00
## Mean :2020-04-11 Mean : 5.194 Mean : 2.97
## 3rd Qu.:2020-04-27 3rd Qu.: 8.000 3rd Qu.: 4.00
## Max. :2020-05-14 Max. :19.000 Max. :14.00
## NA's :92 NA's :92 NA's :92
## acumulado_fallecidos_totales acumulado_fallecidos_residencias
## Min. : 1.0 Min. : 0.0
## 1st Qu.: 49.0 1st Qu.: 10.5
## Median :219.0 Median :111.0
## Mean :189.6 Mean :100.8
## 3rd Qu.:328.0 3rd Qu.:186.0
## Max. :348.0 Max. :199.0
## NA's :92 NA's :92
## fecha_publicacion_fallecidos ultima_actualizacion_fallecidos
## Min. :2020-04-28 Min. :2020-05-16
## 1st Qu.:2020-04-28 1st Qu.:2020-05-16
## Median :2020-04-28 Median :2020-05-16
## Mean :2020-04-28 Mean :2020-05-16
## 3rd Qu.:2020-04-28 3rd Qu.:2020-05-16
## Max. :2020-04-28 Max. :2020-05-16
##
## ambito_temporal_fallecidos
## Min. :2020-03-09
## 1st Qu.:2020-03-09
## Median :2020-03-09
## Mean :2020-03-09
## 3rd Qu.:2020-03-09
## Max. :2020-03-09
## Guardamos
# Change the width of bars
ggplot(data = rioja_fallecidos, aes(x = fecha, y = acumulado_fallecidos_totales)) +
geom_bar(stat = "identity", fill = "steelblue") +
geom_text(aes(label = acumulado_fallecidos_totales), vjust = -0.3, size = 1.5)+
theme_minimal()
# Change the width of bars
ggplot(data = rioja_fallecidos, aes(x = fecha, y = fallecidos_totales)) +
geom_bar(stat = "identity", fill = "steelblue") +
geom_text(aes(label = fallecidos_totales), vjust = -0.3, size = 1.5)+
theme_minimal()
# Change the width of bars
ggplot(data = rioja_fallecidos, aes(x = fecha, y = acumulado_fallecidos_residencias)) +
geom_bar(stat = "identity", fill = "steelblue") +
geom_text(aes(label = acumulado_fallecidos_totales), vjust = -0.3, size = 1.5)+
theme_minimal()
# Change the width of bars
ggplot(data = rioja_fallecidos, aes(x = fecha, y = fallecidos_residencias)) +
geom_bar(stat = "identity", fill = "steelblue") +
geom_text(aes(label = fallecidos_totales), vjust = -0.3, size = 1.5)+
theme_minimal()
Consultas telefónicas atendidas en La Rioja
Llamadas al teléfono 941 298 333 para atender consultas sobre COVID-19. Incluye fecha y número de llamadas atendidas
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-465
page_llamadas <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-465')
# find all nodes with a class of "col_md_6"
col_md_6_llamadas <- html_nodes(page_llamadas, css = '.col-md-6')
col_md_6_llamadas## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_llamadas <- html_children(col_md_6_llamadas[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_llamadas## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_llamadas <- html_children(col_md_6_llamadas[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_llamadas## [1] "29/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 29/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
## Parsed with column specification:
## cols(
## FECHA = col_character(),
## LLAMADAS = col_double()
## )Revisar esto
Tienen que coincidir las fechas
Calculamos los acumulados
# Valores diarios
rioja_llamadas$acumulado_llamadas <- 0
for (i in 2:dim(rioja_llamadas)[1]) {
rioja_llamadas$acumulado_llamadas[i] <- rioja_llamadas$acumulado_llamadas[i-1] + rioja_llamadas$llamadas[i]
}Incorporamos la fecha del dato
rioja_llamadas$fecha_publicacion_llamadas = as.Date(fecha_valores_llamadas[1], '%d/%m/%Y')
rioja_llamadas$ultima_actualizacion_llamadas = as.Date(fecha_valores_llamadas[2], '%d/%m/%Y')
rioja_llamadas$ambito_temporal_llamadas = as.Date(fecha_valores_llamadas[3], '%d/%m/%Y')## fecha llamadas acumulado_llamadas
## Min. :2020-02-24 Min. : 0.0 Min. : 0
## 1st Qu.:2020-03-15 1st Qu.:118.0 1st Qu.: 5233
## Median :2020-04-04 Median :184.0 Median :14012
## Mean :2020-04-04 Mean :245.5 Mean :11742
## 3rd Qu.:2020-04-24 3rd Qu.:353.0 3rd Qu.:17589
## Max. :2020-05-14 Max. :873.0 Max. :19883
## fecha_publicacion_llamadas ultima_actualizacion_llamadas
## Min. :2020-04-29 Min. :2020-05-16
## 1st Qu.:2020-04-29 1st Qu.:2020-05-16
## Median :2020-04-29 Median :2020-05-16
## Mean :2020-04-29 Mean :2020-05-16
## 3rd Qu.:2020-04-29 3rd Qu.:2020-05-16
## Max. :2020-04-29 Max. :2020-05-16
## ambito_temporal_llamadas
## Min. :2020-02-24
## 1st Qu.:2020-02-24
## Median :2020-02-24
## Mean :2020-02-24
## 3rd Qu.:2020-02-24
## Max. :2020-02-24Guardamos
Ritmo de reproducción (R0)
Ritmo de reproducción de la pandemia en La Rioja. Incluye fecha y valor R0 (Número personas que contagia cada caso confirmado)
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-466
page_ritmo_reproduccion_r0 <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-466')
# find all nodes with a class of "col_md_6"
col_md_6_ritmo_reproduccion_r0 <- html_nodes(page_ritmo_reproduccion_r0 , css = '.col-md-6')
col_md_6_ritmo_reproduccion_r0## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_ritmo_reproduccion_r0 <- html_children(col_md_6_ritmo_reproduccion_r0[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_ritmo_reproduccion_r0## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_ritmo_reproduccion_r0 <- html_children(col_md_6_ritmo_reproduccion_r0[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_ritmo_reproduccion_r0## [1] "04/05/2020"
## [2] "16/05/2020"
## [3] "08/03/2020"
## [4] "Fecha de creación: 04/05/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
## Warning: Missing column names filled in: 'X3' [3]## Parsed with column specification:
## cols(
## fecha = col_character(),
## R0 = col_double(),
## X3 = col_logical()
## )Borramos x3
Revisar esto
Tienen que coincidir las fechas
Calculamos los acumulados
# Valores diarios
rioja_ritmo_reproduccion_r0$acumulado_ritmo_reproduccion_r0 <- 0
for (i in 2:dim(rioja_ritmo_reproduccion_r0)[1]) {
rioja_ritmo_reproduccion_r0$acumulado_ritmo_reproduccion_r0[i] <- rioja_ritmo_reproduccion_r0$acumulado_ritmo_reproduccion_r0[i-1] + rioja_ritmo_reproduccion_r0$ritmo_reproduccion_r0[i]
}Incorporamos la fecha del dato
rioja_ritmo_reproduccion_r0$fecha_publicacion_ritmo_reproduccion_r0 = as.Date(fecha_valores_ritmo_reproduccion_r0[1], '%d/%m/%Y')
rioja_ritmo_reproduccion_r0$ultima_actualizacion_ritmo_reproduccion_r0 = as.Date(fecha_valores_ritmo_reproduccion_r0[2], '%d/%m/%Y')
rioja_ritmo_reproduccion_r0$ambito_temporal_ritmo_reproduccion_r0 = as.Date(fecha_valores_ritmo_reproduccion_r0[3], '%d/%m/%Y')## fecha r0 fecha_publicacion_ritmo_reproduccion_r0
## Min. :2020-03-08 Min. :0.410 Min. :2020-05-04
## 1st Qu.:2020-03-24 1st Qu.:0.710 1st Qu.:2020-05-04
## Median :2020-04-10 Median :0.885 Median :2020-05-04
## Mean :2020-04-10 Mean :1.122 Mean :2020-05-04
## 3rd Qu.:2020-04-27 3rd Qu.:1.262 3rd Qu.:2020-05-04
## Max. :2020-05-14 Max. :4.240 Max. :2020-05-04
## ultima_actualizacion_ritmo_reproduccion_r0
## Min. :2020-05-16
## 1st Qu.:2020-05-16
## Median :2020-05-16
## Mean :2020-05-16
## 3rd Qu.:2020-05-16
## Max. :2020-05-16
## ambito_temporal_ritmo_reproduccion_r0
## Min. :2020-03-08
## 1st Qu.:2020-03-08
## Median :2020-03-08
## Mean :2020-03-08
## 3rd Qu.:2020-03-08
## Max. :2020-03-08Guardamos
Situación de las residencias de personas mayores de La Rioja
Situación a fecha actual de las residencias de personas mayores de La Rioja
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-468
page_situacion_personas_mayores <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-468')
# find all nodes with a class of "col_md_6"
col_md_6_situacion_personas_mayores <- html_nodes(page_situacion_personas_mayores, css = '.col-md-6')
col_md_6_situacion_personas_mayores## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_situacion_personas_mayores <- html_children(col_md_6_situacion_personas_mayores[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_situacion_personas_mayores## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_situacion_personas_mayores <- html_children(col_md_6_situacion_personas_mayores[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_situacion_personas_mayores## [1] "07/05/2020"
## [2] "16/05/2020"
## [3] "07/05/2020"
## [4] "Fecha de creación: 07/05/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_situacion_personas_mayores <- read_delim(link_situacion_personas_mayores, ",", escape_double = FALSE,
na = c("", "NA", "-"), col_names = FALSE, trim_ws = TRUE) # OJO con el col_names ************************************## Parsed with column specification:
## cols(
## X1 = col_character(),
## X2 = col_character()
## )Borramos x4
Incorporamos la fecha del dato
rioja_situacion_personas_mayores$fecha_publicacion_situacion_personas_mayores = as.Date(fecha_valores_situacion_personas_mayores[1], '%d/%m/%Y')
rioja_situacion_personas_mayores$ultima_actualizacion_situacion_personas_mayores = as.Date(fecha_valores_situacion_personas_mayores[2], '%d/%m/%Y')
rioja_situacion_personas_mayores$ambito_temporal_situacion_personas_mayores = as.Date(fecha_valores_situacion_personas_mayores[3], '%d/%m/%Y')## X1 X2
## Length:5 Length:5
## Class :character Class :character
## Mode :character Mode :character
##
##
##
## fecha_publicacion_situacion_personas_mayores
## Min. :2020-05-07
## 1st Qu.:2020-05-07
## Median :2020-05-07
## Mean :2020-05-07
## 3rd Qu.:2020-05-07
## Max. :2020-05-07
## ultima_actualizacion_situacion_personas_mayores
## Min. :2020-05-16
## 1st Qu.:2020-05-16
## Median :2020-05-16
## Mean :2020-05-16
## 3rd Qu.:2020-05-16
## Max. :2020-05-16
## ambito_temporal_situacion_personas_mayores
## Min. :2020-05-07
## 1st Qu.:2020-05-07
## Median :2020-05-07
## Mean :2020-05-07
## 3rd Qu.:2020-05-07
## Max. :2020-05-07## 'data.frame': 5 obs. of 5 variables:
## $ X1 : chr "Casos confirmados por PCR" "Altas" "Fallecidos" "Residentes libres de coronavirus" ...
## $ X2 : chr "112" "682" "199" "73%" ...
## $ fecha_publicacion_situacion_personas_mayores : Date, format: "2020-05-07" "2020-05-07" ...
## $ ultima_actualizacion_situacion_personas_mayores: Date, format: "2020-05-16" "2020-05-16" ...
## $ ambito_temporal_situacion_personas_mayores : Date, format: "2020-05-07" "2020-05-07" ...
## - attr(*, "spec")=
## .. cols(
## .. X1 = col_character(),
## .. X2 = col_character()
## .. )Revisar que cuadra
# En esta caso es la última línea
diario <- data.frame(
mayores_confirmados_PCR = as.numeric(rioja_situacion_personas_mayores$X2[1]),
mayores_altas_acumulado = as.numeric(rioja_situacion_personas_mayores$X2[2]),
mayores_fallecidos_acumulado = as.numeric(rioja_situacion_personas_mayores$X2[3]),
residentes_sin_coronavirus = rioja_situacion_personas_mayores$X2[4],
residencias_sin_positivos = as.numeric(rioja_situacion_personas_mayores$X2[5]),
fecha_publicacion_situacion_personas_mayores = as.Date(fecha_valores_situacion_personas_mayores[1], '%d/%m/%Y'),
ultima_actualizacion_situacion_personas_mayores = as.Date(fecha_valores_situacion_personas_mayores[2], '%d/%m/%Y'),
ambito_temporal_situacion_personas_mayores = as.Date(fecha_valores_situacion_personas_mayores[3], '%d/%m/%Y')
)Guardamos
Añadimos al diario
Situación por Zonas Básicas de Salud
Casos activos de coronavirus, a fecha actual, por zonas básicas de salud (geolocalizadas: coordenadas de latitud y longitud)
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-460
page_casos_activos_zonas_basicas <- read_html('https://web.larioja.org/dato-abierto/datoabierto?n=opd-460')
# find all nodes with a class of "col_md_6"
col_md_6_zonas <- html_nodes(page_casos_activos_zonas_basicas, css = '.col-md-6')
col_md_6_zonas## {xml_nodeset (8)}
## [1] <li class="col-md-6"><a href="/participacion"><span class="fas fa-lg fa-u ...
## [2] <li class="col-md-6"><a href="/quejas-y-sugerencias"><span class="fas fa- ...
## [3] <li class="col-md-6"><a href="/suscripciones"><span class="fas fa-lg fa-b ...
## [4] <li class="col-md-6"><a href="/contacto"><span class="fas fa-lg fa-envelo ...
## [5] <li class="col-md-6"><a href="https://www.larioja.org/direcciones-utiles/ ...
## [6] <li class="col-md-6"><a href="https://www.larioja.org/oficina-electronica ...
## [7] <div class="col-md-6">\n <dl>\n<dt>Creador</dt>\n ...
## [8] <div class="col-md-6">\n <dl>\n<dt>Fecha de public ...fecha_campos_zonas <- html_children(col_md_6_zonas[8]) %>%
html_nodes("dt") %>%
html_text(trim = TRUE)
fecha_campos_zonas## [1] "Fecha de publicación:" "Última actualización:" "Ámbito temporal"
## [4] "Cronología"fecha_valores_zonas <- html_children(col_md_6_zonas[8]) %>%
html_nodes("dd") %>%
html_text(trim = TRUE)
fecha_valores_zonas## [1] "28/04/2020"
## [2] "16/05/2020"
## [3] "24/02/2020"
## [4] "Fecha de creación: 28/04/2020 Fecha de actualización de los datos: 16/05/2020"Ahora bajamos el fichero
rioja_casos_activos_zonas_basicas <- read_delim(link_casos_activos_zonas_basicas,
";", escape_double = FALSE, trim_ws = TRUE)## Parsed with column specification:
## cols(
## Lat = col_double(),
## Lon = col_double(),
## Title = col_character(),
## NOMBRE = col_character(),
## `CASOS ACTIVOS` = col_double()
## )names(rioja_casos_activos_zonas_basicas) <- c("latitud", "longitud", "localidad",
"nombre_zbs", "casos_activos")Incorporamos la fecha del dato
rioja_casos_activos_zonas_basicas$fecha_publicacion_zonas = as.Date(fecha_valores_zonas[1], '%d/%m/%Y')
rioja_casos_activos_zonas_basicas$ultima_actualizacion_zonas = as.Date(fecha_valores_zonas[2], '%d/%m/%Y')
rioja_casos_activos_zonas_basicas$ambito_temporal_zonas = as.Date(fecha_valores_zonas[3], '%d/%m/%Y')## [1] 3279Revisar que cuadra
Pasamos a incorporar los datos diarios
diario <- data.frame(casos_activos_aberite = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Alberite'],
casos_activos_alfaro = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Alfaro'],
casos_activos_arnedo = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Arnedo'],
casos_activos_calahorra = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Calahorra'],
casos_activos_cervera = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Cervera del Río Alhama'],
casos_activos_haro = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Haro'],
casos_activos_logrono = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Logroño'],
casos_activos_murillo = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Murillo del Río Leza'],
casos_activos_najera = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Nájera'],
casos_activos_navarrete = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Navarrete'],
casos_activos_san_roman = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'San Román de Cameros'],
casos_activos_s_domingo = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Santo Domingo de la Calzada'],
casos_activos_torrecilla = rioja_casos_activos_zonas_basicas$casos_activos[rioja_casos_activos_zonas_basicas$localidad == 'Torrecilla en Cameros'],
fecha_publicacion_zonas = as.Date(fecha_valores_zonas[1], '%d/%m/%Y'),
ultima_actualizacion_zonas = as.Date(fecha_valores_zonas[2], '%d/%m/%Y'),
ambito_temporal_zonas = as.Date(fecha_valores_zonas[3], '%d/%m/%Y')
)Guardamos
Hacemos un mapa
Le asigno un CRS “a capón”, el de OSM
rioja_casos_activos_zonas_basicas_shp <- sf::st_as_sf(as.data.frame(rioja_casos_activos_zonas_basicas),
coords = c('longitud', 'latitud'),
crs = 4326)# tmap object
mapa_casos_activos_zonas_basicas <- tm_shape(rioja_casos_activos_zonas_basicas_shp) +
tm_dots("casos_activos")
# dynamic map
tmap_leaflet(mapa_casos_activos_zonas_basicas)# cat(getwd())
rioja_zonas_basicas_shp <- sf::read_sf('./data/maps/ZBS_4258_LARIOJA_ESPAÑA_2017_v1.0.0/laRioja4258.shp',
stringsAsFactors = TRUE)Para poder hacer merge, creamos la variable localidad
rioja_zonas_basicas_shp$localidad <- rioja_zonas_basicas_shp$n_zbs
levels(rioja_zonas_basicas_shp$localidad) <- c("Alberite", "Alfaro", "Arnedo",
"Calahorra", "Torrecilla en Cameros",
"San Román de Cameros",
"Cervera del Río Alhama", "Haro",
"Logroño", "Murillo del Río Leza",
"Nájera", "Navarrete" ,
"Santo Domingo de la Calzada")## codatzbs n_zbs geometry
## Min. :130101 Alberite - Albelda de Iregua :1 MULTIPOLYGON :13
## 1st Qu.:130104 Alfaro :1 epsg:4258 : 0
## Median :130107 Arnedo :1 +proj=long...: 0
## Mean :130107 Calahorra :1
## 3rd Qu.:130110 Cameros Nuevos (Torrecilla en Cameros):1
## Max. :130113 Cameros Viejos (San Román de Cameros) :1
## (Other) :7
## localidad
## Alberite :1
## Alfaro :1
## Arnedo :1
## Calahorra :1
## Torrecilla en Cameros:1
## San Román de Cameros :1
## (Other) :7
# Este mapa no parece bien...
# tmap object
mapa_casos_activos_zonas_basicas2 <-
tm_shape(rioja_zonas_basicas_shp) +
tm_polygons(id = "localidad",
# col = "numberOfFloorsAboveGround",
border.col = "blue",
# palette = col.spec.fun(15),
alpha = 0.5,
legend.show = FALSE,
textNA = "Sin datos",
title = "Localidad") +
# tm_shape(rioja_casos_activos_zonas_basicas_shp) +
# tm_dots("casos_activos")
tm_shape(rioja_casos_activos_zonas_basicas_shp) +
tm_dots(# id = "localidad",
title = "casos activos",
size = "casos_activos",
id = "casos_activos"
)
# dynamic map
tmap_leaflet(mapa_casos_activos_zonas_basicas2)Pendientes
Datos globales
Datos globales de la pandemia de coronavirus: tasa de letalidad; tasa de hospitalización (casos activos y casos acumulados); y porcentaje de altas acumuladas
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-459
Donaciones económicas
Movimientos en la cuenta de donaciones económicas recibidas por el Gobierno de La Rioja durante la pandemia del coronavirus Covid-19
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-467
Contratos de emergencia
Contratos de emergencia realizados durante la pandemia del coronavirus Covid-19 debidos a situaciones excepcionales. Incluye organismo, expediente, descripción, fecha, lotes, empresa, contenido, unidades e importe
La página de datos abiertos es esta: https://web.larioja.org/dato-abierto/datoabierto?n=opd-469
Datos de ISCIII
Serie historica
Los datos de (ISCIII)[https://covid19.isciii.es/]
link_isciii <- 'https://covid19.isciii.es/resources/serie_historica_acumulados.csv'
link_isciii <- 'https://cnecovid.isciii.es/covid19/resources/agregados.csv'En los datos en local se han eliminado las últimas filas que corresponden a comentarios.
# Datos en local
serie_historica_acumulados_isciii <- read_csv("data/serie_historica_acumulados.csv",
locale = locale(date_names = "es"))# Directamente de Internet
serie_historica_acumulados_isciii <- read_csv(link_isciii,
locale = locale(date_names = "es"))## Parsed with column specification:
## cols(
## CCAA = col_character(),
## FECHA = col_character(),
## CASOS = col_double(),
## `PCR+` = col_double(),
## `TestAc+` = col_double(),
## Hospitalizados = col_double(),
## UCI = col_double(),
## Fallecidos = col_double(),
## Recuperados = col_double()
## )## Warning: 1 parsing failure.
## row col expected actual file
## 1624 -- 9 columns 1 columns 'https://cnecovid.isciii.es/covid19/resources/agregados.csv'El csv incluye comentarios al final, vamos a quitarlos
# Donde aparece por primera vez 'NOTA'
ultima_linea <- min((1:dim(serie_historica_acumulados_isciii)[1])[str_detect(serie_historica_acumulados_isciii$CCAA, 'NOTA')])
ultima_linea## [1] 1616Vemos los datos por CC.AA.
##
## AN AR AS CB CE CL CM CN CT EX GA IB MC MD ML NC PV RI VC
## 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85 85Comunidades autónomas
serie_historica_acumulados_isciii$CCAA <- factor(serie_historica_acumulados_isciii$CCAA,
levels = c('AN', 'AR', 'AS', 'CB', 'CE',
'CL', 'CM', 'CN', 'CT', 'EX',
'GA', 'IB', 'MC', 'MD', 'ML',
'NC', 'PV', 'RI', 'VC'),
labels = c('Andalucía', 'Aragón',
'Asturias, Principado de',
'Cantabria', 'Ceuta',
'Castilla y León',
'Castilla - La Mancha',
'Canarias', 'Cantabria',
'Extremadura',
'Galicia', 'Balears, Illes',
'Murcia, Región de',
'Madrid, Comunidad de',
'Melilla',
'Navarra, Comunidad Foral de',
'País Vasco', 'Rioja, La',
'Comunitat Valenciana'))Pasamos la fecha a formato Date
Nuevas columnas
# Valores diarios
serie_historica_acumulados_isciii <- serie_historica_acumulados_isciii %>%
group_by(CCAA) %>%
arrange(FECHA) %>%
mutate(diario_hospitalizados = Hospitalizados - lag(Hospitalizados, order_by = FECHA),
diario_uci = UCI - lag(UCI, order_by = FECHA),
diario_fallecidos = Fallecidos - lag(Fallecidos, order_by = FECHA)
# diario_recuperados = Recuperados - lag(Recuperados) # Este es acumulado
)Cantabria está duplicado
Revisar
## CCAA FECHA CASOS
## Cantabria : 170 Min. :2020-02-20 Min. :0
## Andalucía : 85 1st Qu.:2020-03-12 1st Qu.:0
## Aragón : 85 Median :2020-04-02 Median :0
## Asturias, Principado de: 85 Mean :2020-04-02 Mean :0
## Ceuta : 85 3rd Qu.:2020-04-23 3rd Qu.:0
## Castilla y León : 85 Max. :2020-05-14 Max. :0
## (Other) :1020 NA's :1614
## PCR+ TestAc+ Hospitalizados UCI
## Min. : 0.0 Min. : 0 Min. : 0.0 Min. : 0.0
## 1st Qu.: 49.5 1st Qu.: 108 1st Qu.: 215.5 1st Qu.: 22.0
## Median : 1517.0 Median : 753 Median : 1114.0 Median : 110.0
## Mean : 5903.5 Mean :1323 Mean : 3494.5 Mean : 333.5
## 3rd Qu.: 5238.5 3rd Qu.:1643 3rd Qu.: 3648.5 3rd Qu.: 338.0
## Max. :66005.0 Max. :8014 Max. :42057.0 Max. :3574.0
## NA's :1036 NA's :340 NA's :306
## Fallecidos Recuperados diario_hospitalizados diario_uci
## Min. : 0.00 Min. : 0 Min. :-28274.00 Min. :-2969.000
## 1st Qu.: 13.75 1st Qu.: 35 1st Qu.: 2.00 1st Qu.: 0.000
## Median : 175.00 Median : 745 Median : 21.00 Median : 1.000
## Mean : 758.11 Mean : 3178 Mean : 98.13 Mean : 8.785
## 3rd Qu.: 708.25 3rd Qu.: 2628 3rd Qu.: 61.00 3rd Qu.: 6.000
## Max. :8809.00 Max. :40383 Max. : 33580.00 Max. : 2971.000
## NA's :323 NA's :342 NA's :359 NA's :324
## diario_fallecidos
## Min. :-5617.00
## 1st Qu.: 0.25
## Median : 5.00
## Mean : 21.37
## 3rd Qu.: 21.00
## Max. : 5676.00
## NA's :341Guardamos
MoMo ISCIII
Los modelos MoMo del ISCIII.
Los datos están disponibles aquí en formato CSV, y se actualizan diariamente. Son las series temporales con los resultados de MoMo para ámbito nacional y de comunidades autónomas, en diferentes grupos poblacionales, durante los últimos dos años. Consta de las siguientes columnas:
ambito: nacional o ccaa
cod_ambito: si es nacional, viene vacío. Si es una comunidad autónoma, trae su código ISO 3166-2.
cod_ine_ambito: columna informativa sobre la comunidad autónoma, si aplica. Es su código INE.
nombre_ambito: columna informativa sobre la comunidad autónoma, si aplica. Es su nombre.
cod_sexo: código INE del sexo. 1 para hombres, 6 para mujeres.
nombre_sexo: columna informativa sobre el sexo. Su nombre descriptivo (hombres, mujeres).
cod_gedad: código del grupo de edad. Los posibles son: menos_65, 65_74, mas_74.
nombre_gedad: columna informativa sobre el grupo de edad. Su nombre descriptivo (p.e. edad < 65).
fecha_defuncion: la fecha a la que se refieren los indicadores descritos de aquí en adelante. Es la fecha en la que ocurre la defunción.
defunciones_observadas: el número de defunciones observadas (incluye la corrección por retraso).
defunciones_observadas_lim_inf: el límite inferior del invervalo de confianza de las defunciones observadas (debido a la corrección).
defunciones_observadas_lim_sup: de forma equivalente, el límite superior.
defunciones_esperadas: el número de defunciones esperadas, resultantes del modelo.
defunciones_esperadas_q01: el límite inferior del intervalo de confianza de las defunciones esperadas, correspondiente al percentil 1 de la distribución.
defunciones_esperadas_q99: de forma equivalente, el límite superior, al percentil 99.Las series vienen agregadas por ámbito, código de ámbito, sexo, grupo de edad y fecha de defunción. Nótese que las series que son agregados del resto vienen en otra serie aparte. P.e., si se quiere elegir la serie de toda la población (nacional, todos los sexos, todas las edades), hay que filtrar por ambito=“nacional”, cod_sexo=“all” y cod_gedad=“all”.
Los datos aquí descargados se refieren a las defunciones por todas las causas notificadas por los registros civiles informatizados de los municipios correspondientes. Para saber más, consulta las pestañas de “Documentación” y “Notificación”.
Nota: los datos cambian de forma retroactiva, especialmente en los días más recientes. Lo que hoy puedes descargar (o consultar en este portal) mañana puede tener indicadores diferentes en fechas pasadas. El motivo es el retraso en la notificación, detallado en la sección de Documentación.
# Los datos en local
data <- read_csv("data/data.csv", col_types = cols(cod_ambito = col_character(),
cod_ine_ambito = col_character(), nombre_ambito = col_character()),
locale = locale(date_names = "es", encoding = "ISO-8859-1"))# Directamente de Internet
# momo_isciii <- read_csv(link_momo, locale = locale(date_names = "es"))
# momo_isciii <- read_delim(link_momo, ",", escape_double = FALSE,
# # col_names = FALSE,
# locale = locale(date_names = "es",
# decimal_mark = ",",
# grouping_mark = "."),
# trim_ws = TRUE)
momo_isciii <- read_csv(link_momo, col_types = cols(cod_ambito = col_character(),
cod_ine_ambito = col_character(), nombre_ambito = col_character()),
locale = locale(date_names = "es", encoding = "UTF-8"))ETL
Pasamos algunos valores a factor
momo_isciii$ambito <- as.factor(momo_isciii$ambito)
momo_isciii$cod_ambito <- as.factor(momo_isciii$cod_ambito)
momo_isciii$cod_ine_ambito <- as.factor(momo_isciii$cod_ine_ambito)
momo_isciii$nombre_ambito <- as.factor(momo_isciii$nombre_ambito)
momo_isciii$cod_sexo <- as.factor(momo_isciii$cod_sexo)
momo_isciii$nombre_sexo <- as.factor(momo_isciii$nombre_sexo)
momo_isciii$cod_gedad <- as.factor(momo_isciii$cod_gedad)
momo_isciii$nombre_gedad <- as.factor(momo_isciii$nombre_gedad)## ambito cod_ambito cod_ine_ambito
## ccaa :170772 AN : 8988 1 : 8988
## nacional: 8988 AR : 8988 10 : 8988
## AS : 8988 11 : 8988
## CB : 8988 12 : 8988
## CE : 8988 13 : 8988
## (Other):125832 (Other):125832
## NA's : 8988 NA's : 8988
## nombre_ambito cod_sexo nombre_sexo cod_gedad
## Andalucía : 8988 1 :59920 hombres:59920 65_74 :44940
## Aragón : 8988 6 :59920 mujeres:59920 all :44940
## Asturias, Principado de: 8988 all:59920 todos :59920 mas_74 :44940
## Balears, Illes : 8988 menos_65:44940
## Canarias : 8988
## (Other) :125832
## NA's : 8988
## nombre_gedad fecha_defuncion defunciones_observadas
## edad < 65 :44940 Min. :2018-04-28 Min. : 0.00
## edad > 75 :44940 1st Qu.:2018-11-01 1st Qu.: 2.00
## edad 65-74:44940 Median :2019-05-07 Median : 8.00
## todos :44940 Mean :2019-05-07 Mean : 36.84
## 3rd Qu.:2019-11-10 3rd Qu.: 27.00
## Max. :2020-05-15 Max. :2466.00
##
## defunciones_observadas_lim_inf defunciones_observadas_lim_sup
## Min. : 0.00 Min. : 0.00
## 1st Qu.: 2.00 1st Qu.: 2.00
## Median : 8.00 Median : 8.00
## Mean : 36.82 Mean : 36.88
## 3rd Qu.: 27.00 3rd Qu.: 27.00
## Max. :2466.00 Max. :2466.00
##
## defunciones_esperadas defunciones_esperadas_q01 defunciones_esperadas_q99
## Min. : 0.00 Min. : 0.00 Min. : 0.00
## 1st Qu.: 2.00 1st Qu.: 0.00 1st Qu.: 6.31
## Median : 8.00 Median : 2.69 Median : 15.00
## Mean : 36.06 Mean : 27.33 Mean : 47.56
## 3rd Qu.: 26.50 3rd Qu.: 16.38 3rd Qu.: 38.62
## Max. :1328.00 Max. :1177.28 Max. :1694.27
## Esto lo necesitamos para “traducir” los códigos
##
## Andalucía Aragón Asturias, Principado de Balears, Illes Canarias Cantabria
## AN 8988 0 0 0 0 0
## AR 0 8988 0 0 0 0
## AS 0 0 8988 0 0 0
## CB 0 0 0 0 0 8988
## CE 0 0 0 0 0 0
## CL 0 0 0 0 0 0
## CM 0 0 0 0 0 0
## CN 0 0 0 0 8988 0
## CT 0 0 0 0 0 0
## EX 0 0 0 0 0 0
## GA 0 0 0 0 0 0
## IB 0 0 0 8988 0 0
## MC 0 0 0 0 0 0
## MD 0 0 0 0 0 0
## ML 0 0 0 0 0 0
## NC 0 0 0 0 0 0
## PV 0 0 0 0 0 0
## RI 0 0 0 0 0 0
## VC 0 0 0 0 0 0
##
## Castilla - La Mancha Castilla y León Cataluña Ceuta Comunitat Valenciana
## AN 0 0 0 0 0
## AR 0 0 0 0 0
## AS 0 0 0 0 0
## CB 0 0 0 0 0
## CE 0 0 0 8988 0
## CL 0 8988 0 0 0
## CM 8988 0 0 0 0
## CN 0 0 0 0 0
## CT 0 0 8988 0 0
## EX 0 0 0 0 0
## GA 0 0 0 0 0
## IB 0 0 0 0 0
## MC 0 0 0 0 0
## MD 0 0 0 0 0
## ML 0 0 0 0 0
## NC 0 0 0 0 0
## PV 0 0 0 0 0
## RI 0 0 0 0 0
## VC 0 0 0 0 8988
##
## Extremadura Galicia Madrid, Comunidad de Melilla Murcia, Región de
## AN 0 0 0 0 0
## AR 0 0 0 0 0
## AS 0 0 0 0 0
## CB 0 0 0 0 0
## CE 0 0 0 0 0
## CL 0 0 0 0 0
## CM 0 0 0 0 0
## CN 0 0 0 0 0
## CT 0 0 0 0 0
## EX 8988 0 0 0 0
## GA 0 8988 0 0 0
## IB 0 0 0 0 0
## MC 0 0 0 0 8988
## MD 0 0 8988 0 0
## ML 0 0 0 8988 0
## NC 0 0 0 0 0
## PV 0 0 0 0 0
## RI 0 0 0 0 0
## VC 0 0 0 0 0
##
## Navarra, Comunidad Foral de País Vasco Rioja, La
## AN 0 0 0
## AR 0 0 0
## AS 0 0 0
## CB 0 0 0
## CE 0 0 0
## CL 0 0 0
## CM 0 0 0
## CN 0 0 0
## CT 0 0 0
## EX 0 0 0
## GA 0 0 0
## IB 0 0 0
## MC 0 0 0
## MD 0 0 0
## ML 0 0 0
## NC 8988 0 0
## PV 0 8988 0
## RI 0 0 8988
## VC 0 0 0Guardamos
Gráficos MoMo
# Un dataset intermedio
momo_temp <- momo_isciii %>%
dplyr::filter(ambito == 'nacional', cod_sexo == 'all', cod_gedad == 'all')
figura2 <- plot_ly(momo_temp,
x = ~fecha_defuncion, y = ~defunciones_esperadas_q99,
type = 'scatter', mode = 'lines',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite superior')
figura2 <- figura2 %>% add_trace(y = ~defunciones_esperadas_q01,
type = 'scatter', mode = 'lines',
fill = 'tonexty', fillcolor = 'rgba(0, 100, 80, 0.2)',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite inferior')
figura2 <- figura2 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_esperadas,
type = 'scatter', mode = 'lines',
line = list(color='rgb(0, 100, 80)'),
name = 'Defunciones Esperadas')
figura2 <- figura2 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_observadas,
type = 'scatter', mode = 'lines',
line = list(color='black'),
name = 'Defunciones Observadas')
figura2Defunciones observadas (negro) y defunciones estimadas (verde), con el intervalo de confianza al 99% (banda verde). España.
Mortalidad por todas las causas. Comunidades Autónomas
y = ~get(input$Measure)
# Un dataset intermedio
momo_temp <- momo_isciii %>%
dplyr::filter(ambito == 'nacional', cod_sexo == 'all', cod_gedad == 'all',
fecha_defuncion > '2019-12-31')
figura3 <- plot_ly(momo_temp,
x = ~fecha_defuncion, y = ~defunciones_esperadas_q99,
type = 'scatter', mode = 'lines',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite superior')
figura3 <- figura3 %>% add_trace(y = ~defunciones_esperadas_q01,
type = 'scatter', mode = 'lines',
fill = 'tonexty', fillcolor = 'rgba(0, 100, 80, 0.2)',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite inferior')
figura3 <- figura3 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_esperadas,
type = 'scatter', mode = 'lines',
line = list(color='rgb(0, 100, 80)'),
name = 'Defunciones Esperadas')
figura3 <- figura3 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_observadas,
type = 'scatter', mode = 'lines',
line = list(color='black'),
name = 'Defunciones Observadas')
figura3 <- figura3 %>% layout(title = "Mortalidad por todas las causas. España")
figura3# Un dataset intermedio
momo_temp <- momo_isciii %>%
dplyr::filter(ambito == 'nacional', cod_sexo == 'all', cod_gedad == 'all',
fecha_defuncion > '2019-12-31')
# Algunos valores para plotly
a_x <- list(
title = "Fecha",
# titlefont = f1,
showticklabels = TRUE,
tickangle = 90,
# tickfont = f2,
exponentformat = "E"
)
a_y <- list(
title = "Defunciones",
# titlefont = f1,
showticklabels = TRUE,
# tickangle = 45,
# tickfont = f2,
exponentformat = "E"
)
figura4 <- plot_ly(momo_temp,
x = ~fecha_defuncion, y = ~defunciones_esperadas_q99,
type = 'scatter', mode = 'lines',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite superior')
figura4 <- figura4 %>% add_trace(y = ~defunciones_esperadas_q01,
type = 'scatter', mode = 'lines',
fill = 'tonexty', fillcolor = 'rgba(0, 100, 80, 0.2)',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite inferior')
figura4 <- figura4 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_esperadas,
type = 'scatter', mode = 'lines',
line = list(color='rgb(0, 100, 80)'),
name = 'Defunciones Esperadas')
figura4 <- figura4 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_observadas,
type = 'scatter', mode = 'lines',
line = list(color='black'),
name = 'Defunciones Observadas')
figura4 <- figura4 %>% layout(title = "Mortalidad por todas las causas. España",
xaxis = a_x,
yaxis = a_y)
figura4 <- figura4 %>% config(locale = 'es')
figura4# Un dataset intermedio
momo_temp <- momo_isciii %>%
dplyr::filter(nombre_ambito == 'Rioja, La', cod_sexo == 'all', cod_gedad == 'all',
fecha_defuncion > '2019-12-31')
# Algunos valores para plotly
a_x <- list(
title = "Fecha",
# titlefont = f1,
showticklabels = TRUE,
tickangle = 90,
# tickfont = f2,
exponentformat = "E"
)
a_y <- list(
title = "Defunciones",
# titlefont = f1,
showticklabels = TRUE,
# tickangle = 45,
# tickfont = f2,
exponentformat = "E"
)
figura5 <- plot_ly(momo_temp,
x = ~fecha_defuncion, y = ~defunciones_esperadas_q99,
type = 'scatter', mode = 'lines',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite superior')
figura5 <- figura5 %>% add_trace(y = ~defunciones_esperadas_q01,
type = 'scatter', mode = 'lines',
fill = 'tonexty', fillcolor = 'rgba(0, 100, 80, 0.2)',
line = list(color = 'transparent'),
showlegend = FALSE, name = 'Esperadas límite inferior')
figura5 <- figura5 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_esperadas,
type = 'scatter', mode = 'lines',
line = list(color='rgb(0, 100, 80)'),
name = 'Defunciones Esperadas')
figura5 <- figura5 %>% add_trace(x = ~fecha_defuncion, y = ~defunciones_observadas,
type = 'scatter', mode = 'lines',
line = list(color='black'),
name = 'Defunciones Observadas')
figura5 <- figura5 %>% layout(title = "Mortalidad por todas las causas. La Rioja",
xaxis = a_x,
yaxis = a_y)
figura5 <- figura5 %>% config(locale = 'es')
figura5Analisis
## CCAA FECHA CASOS PCR+
## Rioja, La :85 Min. :2020-02-20 Min. : NA Min. : 0
## Andalucía : 0 1st Qu.:2020-03-12 1st Qu.: NA 1st Qu.: 259
## Aragón : 0 Median :2020-04-02 Median : NA Median :2224
## Asturias, Principado de: 0 Mean :2020-04-02 Mean :NaN Mean :2057
## Cantabria : 0 3rd Qu.:2020-04-23 3rd Qu.: NA 3rd Qu.:3790
## Ceuta : 0 Max. :2020-05-14 Max. : NA Max. :4016
## (Other) : 0 NA's :85
## TestAc+ Hospitalizados UCI Fallecidos
## Min. : 273.0 Min. : 13.0 Min. : 1.00 Min. : 0.0
## 1st Qu.: 700.5 1st Qu.: 405.5 1st Qu.:35.25 1st Qu.: 41.5
## Median :1200.0 Median :1131.5 Median :73.00 Median :213.0
## Mean :1020.0 Mean : 913.6 Mean :59.53 Mean :186.8
## 3rd Qu.:1343.0 3rd Qu.:1409.8 3rd Qu.:87.00 3rd Qu.:327.0
## Max. :1393.0 Max. :1488.0 Max. :91.00 Max. :348.0
## NA's :50 NA's :19 NA's :17 NA's :17
## Recuperados diario_hospitalizados diario_uci diario_fallecidos
## Min. : 1.0 Min. : 1.00 Min. :0.000 Min. : 0.000
## 1st Qu.: 137.5 1st Qu.: 6.00 1st Qu.:0.000 1st Qu.: 1.000
## Median :1439.0 Median :17.00 Median :0.000 Median : 4.000
## Mean :1293.9 Mean :22.69 Mean :1.343 Mean : 5.194
## 3rd Qu.:2084.2 3rd Qu.:35.00 3rd Qu.:2.000 3rd Qu.: 8.000
## Max. :2927.0 Max. :78.00 Max. :9.000 Max. :19.000
## NA's :19 NA's :20 NA's :18 NA's :18## [1] 1 1## Adding missing grouping variables: `CCAA`## The rioja_ts_uci_daily series is a mts object with 2 variables and 85 observations
## Frequency: 365
## Start time: 1 1
## End time: 1 85## CCAA UCI
## Min. :17 Min. : 1.00
## 1st Qu.:17 1st Qu.:35.25
## Median :17 Median :73.00
## Mean :17 Mean :59.53
## 3rd Qu.:17 3rd Qu.:87.00
## Max. :17 Max. :91.00
## NA's :17## CCAA FECHA CASOS PCR+ TestAc+
## Min. :17 Min. :18312 Min. : NA Min. : 0 Min. : 273.0
## 1st Qu.:17 1st Qu.:18333 1st Qu.: NA 1st Qu.: 259 1st Qu.: 700.5
## Median :17 Median :18354 Median : NA Median :2224 Median :1200.0
## Mean :17 Mean :18354 Mean :NaN Mean :2057 Mean :1020.0
## 3rd Qu.:17 3rd Qu.:18375 3rd Qu.: NA 3rd Qu.:3790 3rd Qu.:1343.0
## Max. :17 Max. :18396 Max. : NA Max. :4016 Max. :1393.0
## NA's :85 NA's :50
## Hospitalizados UCI Fallecidos Recuperados
## Min. : 13.0 Min. : 1.00 Min. : 0.0 Min. : 1.0
## 1st Qu.: 405.5 1st Qu.:35.25 1st Qu.: 41.5 1st Qu.: 137.5
## Median :1131.5 Median :73.00 Median :213.0 Median :1439.0
## Mean : 913.6 Mean :59.53 Mean :186.8 Mean :1293.9
## 3rd Qu.:1409.8 3rd Qu.:87.00 3rd Qu.:327.0 3rd Qu.:2084.2
## Max. :1488.0 Max. :91.00 Max. :348.0 Max. :2927.0
## NA's :19 NA's :17 NA's :17 NA's :19
## diario_hospitalizados diario_uci diario_fallecidos
## Min. : 1.00 Min. :0.000 Min. : 0.000
## 1st Qu.: 6.00 1st Qu.:0.000 1st Qu.: 1.000
## Median :17.00 Median :0.000 Median : 4.000
## Mean :22.69 Mean :1.343 Mean : 5.194
## 3rd Qu.:35.00 3rd Qu.:2.000 3rd Qu.: 8.000
## Max. :78.00 Max. :9.000 Max. :19.000
## NA's :20 NA's :18 NA's :18Datos por países
Una copia descarada de Worldwide COVID-19 spread visualization with R. Vamos, copiar y pegar…
## Parsed with column specification:
## cols(
## date = col_date(format = ""),
## location = col_character(),
## new_cases = col_double(),
## new_deaths = col_double(),
## total_cases = col_double(),
## total_deaths = col_double()
## )# preprocess data
df_prep <- df %>%
filter(location != 'World') %>%
group_by(location) %>%
# remove earlier dates
filter(date > as.Date('2020-01-15', format = '%Y-%m-%d')) %>%
# remove coutries with less than 1000 total cases
filter(max(total_cases) > 1000) %>%
# replace negative values with the mean
mutate(new_cases = ifelse(new_cases < 0,
round((lag(new_cases, default = 0) + lead(new_cases, default = 0)) / 2),
new_cases)) %>%
ungroup() %>%
select(location, date, new_cases) %>%
# prepare data for normalization
dcast(., date ~ location, value.var = 'new_cases') %>%
# replace NAs with 0
dmap_at(c(2:ncol(.)), function(x) ifelse(is.na(x), 0, x)) %>%
# normalization
dmap_at(c(2:ncol(.)), function(x) fun.normalize(x)) %>%
melt(., id.vars = c('date'), variable.name = 'country') %>%
mutate(value = round(value, 6))# define countries order for plots
country_ord_1 <- df_prep %>%
group_by(country) %>%
filter(value == 1) %>%
ungroup() %>%
arrange(date, country) %>%
distinct(country) %>%
mutate(is_odd = ifelse((row_number() - 1) %% 2 == 0, TRUE, FALSE))
country_ord_anim <- bind_rows(country_ord_1 %>%
filter(is_odd == TRUE) %>%
arrange(desc(row_number())),
country_ord_1 %>%
filter(is_odd == FALSE))# data for animated plot
df_plot_anim <- df_prep %>%
mutate(country = factor(country, levels = c(as.character(country_ord_anim$country)))) %>%
group_by(country) %>%
mutate(first_date = min(date[value >= 0.03])) %>%
mutate(cust_label = ifelse(date >= first_date, as.character(country), '')) %>%
ungroup()# Animated Heatmap plot
p <- ggplot(df_plot_anim, aes(y = country, x = date, fill = value)) +
theme_minimal() +
geom_tile(color = 'white', width = .9, height = .9) +
scale_fill_gradientn(colours = cols, limits = c(0, 1),
breaks = c(0, 1),
labels = c('0', 'max'),
guide = guide_colourbar(ticks = T, nbin = 50, barheight = .5, label = T, barwidth = 10)) +
geom_text(aes(x = first_date, label = cust_label), size = 3, color = '#797D7F') +
scale_y_discrete(position = 'right') +
coord_equal() +
theme(legend.position = 'bottom',
legend.direction = 'horizontal',
plot.title = element_text(size = 20, face = 'bold', vjust = 2, hjust = 0.5),
axis.text.x = element_text(size = 8, hjust = .5, vjust = .5, face = 'plain'),
axis.text.y = element_blank(),
axis.title.y = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()
) +
ggtitle('The spread of COVID-19 across countries: new daily cases normalized to location maximum')# Heatmap plot 1
df_plot_1 <- df_prep %>%
mutate(country = factor(country, levels = c(as.character(country_ord_1$country)))) %>%
group_by(country) %>%
mutate(first_date = min(date[value >= 0.03])) %>%
ungroup()
ggplot(df_plot_1, aes(y = country, x = date, fill = value)) +
theme_minimal() +
geom_tile(color = 'white', width = .9, height = .9) +
scale_fill_gradientn(colours = cols, limits = c(0, 1),
breaks = c(0, 1),
labels = c('0', 'max'),
guide = guide_colourbar(ticks = T, nbin = 50, barheight = .5, label = T, barwidth = 10)) +
geom_text(aes(x = first_date, label = country), size = 3, color = '#797D7F') +
scale_y_discrete(position = 'right') +
coord_equal() +
theme(legend.position = 'bottom',
legend.direction = 'horizontal',
plot.title = element_text(size = 20, face = 'bold', vjust = 2, hjust = 0.5),
axis.text.x = element_text(size = 8, hjust = .5, vjust = .5, face = 'plain'),
axis.text.y = element_text(size = 6, hjust = .5, vjust = .5, face = 'plain'),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()
) +
ggtitle('The spread of COVID-19 across countries: new daily cases normalized to location maximum')# Heatmap plot 2
df_plot_2 <- df_prep %>%
group_by(country) %>%
filter(date >= min(date[value > 0])) %>%
arrange(date, .by_group = TRUE) %>%
mutate(centr_day = min(row_number()[value == 1]),
n_day = row_number() - centr_day) %>%
ungroup()
country_ord_2 <- df_plot_2 %>%
group_by(country) %>%
filter(date >= min(date[value == 1])) %>%
summarise(value = sum(value)) %>%
ungroup() %>%
arrange(value, country) %>%
distinct(country)
df_plot_2 <- df_plot_2 %>%
mutate(country = factor(country, levels = c(as.character(country_ord_2$country)))) %>%
group_by(country) %>%
mutate(first_date = min(n_day[value >= 0.01])) %>%
ungroup()
# Heatmap plot 2
ggplot(df_plot_2, aes(y = country, x = n_day, fill = value)) +
theme_minimal() +
geom_tile(color = 'white', width = .9, height = .9) +
scale_fill_gradientn(colours = cols, limits = c(0, 1),
breaks = c(0, 1),
labels = c('0', 'max'),
guide = guide_colourbar(ticks = T, nbin = 50, barheight = .5, label = T, barwidth = 10)) +
geom_text(aes(x = first_date, label = country), size = 3, color = '#797D7F') +
coord_equal() +
theme(legend.position = 'bottom',
legend.direction = 'horizontal',
plot.title = element_text(size = 20, face = 'bold', vjust = 2, hjust = 0.5),
axis.text.x = element_text(size = 8, hjust = .5, vjust = .5, face = 'plain'),
#axis.text.y = element_text(size = 6, hjust = .5, vjust = .5, face = 'plain'),
axis.text.y = element_blank(),
axis.title.y = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()
) +
ggtitle('Comparison of different countries effectiveness against COVID-19
(new daily cases normalized to location maximum and data centered on a day with maximum new cases)')… Así que alguien con poca imaginación y datos parecidos, sólo tiene que cambiar un poco el código
serie_isciii_tuneada <- serie_historica_acumulados_isciii %>%
# filter(CCAA != 'World') %>%
group_by(CCAA) %>%
# remove earlier dates
# filter(FECHA > as.Date('2020-01-15', format = '%Y-%m-%d')) %>%
# remove coutries with less than 1000 total cases
# filter(max(CASOS) > 1000) %>%
# replace negative values with the mean
mutate(casos_nuevos = `PCR+` - lag(`PCR+`, default = 0)) %>%
ungroup()# preprocess data
serie_isciii_tuneada <- serie_historica_acumulados_isciii %>%
# filter(CCAA != 'World') %>%
group_by(CCAA) %>%
# remove earlier dates
# filter(FECHA > as.Date('2020-01-15', format = '%Y-%m-%d')) %>%
# remove coutries with less than 1000 total cases
# filter(max(CASOS) > 1000) %>%
# replace negative values with the mean
# mutate(casos_nuevos = ifelse(casos_nuevos < 0,
# round((lag(casos_nuevos, default = 0) + lead(casos_nuevos, default = 0)) / 2),
# casos_nuevos)) %>%
# ungroup() %>%
select(CCAA, FECHA, casos_nuevos) %>%
# prepare data for normalization
dcast(., FECHA ~ CCAA, value.var = 'casos_nuevos') %>%
# replace NAs with 0
dmap_at(c(2:ncol(.)), function(x) ifelse(is.na(x), 0, x)) %>%
# normalization
dmap_at(c(2:ncol(.)), function(x) fun.normalize(x)) %>%
melt(., id.vars = c('FECHA'), variable.name = 'CCAA') %>%
mutate(value = round(value, 6))# define countries order for plots
CCAA_ord_1 <- serie_isciii_tuneada %>%
group_by(CCAA) %>%
# filter(value == 1) %>%
ungroup() %>%
arrange(FECHA, CCAA) %>%
distinct(CCAA) %>%
mutate(is_odd = ifelse((row_number() - 1) %% 2 == 0, TRUE, FALSE))
CCAA_ord_anim <- bind_rows(CCAA_ord_1 %>%
filter(is_odd == TRUE) %>%
arrange(desc(row_number())),
CCAA_ord_1 %>%
filter(is_odd == FALSE))# data for animated plot
df_plot_anim <- serie_isciii_tuneada %>%
mutate(CCAA = factor(CCAA, levels = c(as.character(CCAA_ord_anim$CCAA)))) %>%
group_by(CCAA) %>%
mutate(first_FECHA = min(FECHA[value >= 0.03])) %>%
mutate(cust_label = ifelse(FECHA >= first_FECHA, as.character(CCAA), '')) %>%
ungroup()# Animated Heatmap plot
p <- ggplot(df_plot_anim, aes(y = CCAA, x = FECHA, fill = value)) +
theme_minimal() +
geom_tile(color = 'white', width = .9, height = .9) +
scale_fill_gradientn(colours = cols, limits = c(0, 1),
breaks = c(0, 1),
labels = c('0', 'max'),
guide = guide_colourbar(ticks = T, nbin = 50, barheight = .5, label = T, barwidth = 10)) +
geom_text(aes(x = first_FECHA, label = cust_label), size = 3, color = '#797D7F') +
scale_y_discrete(position = 'right') +
coord_equal() +
theme(legend.position = 'bottom',
legend.direction = 'horizontal',
plot.title = element_text(size = 20, face = 'bold', vjust = 2, hjust = 0.5),
axis.text.x = element_text(size = 8, hjust = .5, vjust = .5, face = 'plain'),
axis.text.y = element_blank(),
axis.title.y = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()
) +
ggtitle('The spread of COVID-19 across countries: new daily cases normalized to CCAA maximum')
anim <- p +
transition_components(FECHA) +
ggtitle('The spread of COVID-19 across countries: new daily cases normalized to CCAA maximum',
subtitle = 'FECHA {frame_time}') +
shadow_mark()
animate(anim,
nframes = as.numeric(difftime(max(df_plot_anim$FECHA), min(df_plot_anim$FECHA), units = 'days')) + 1,
duration = 12,
fps = 12,
width = 1000,
height = 840,
start_pause = 5,
end_pause = 25,
renderer = gifski_renderer())
anim_save('covid19_CCAA.gif')# Heatmap plot 1
df_plot_1 <- serie_isciii_tuneada %>%
mutate(CCAA = factor(CCAA, levels = c(as.character(CCAA_ord_1$CCAA)))) %>%
group_by(CCAA) %>%
mutate(first_FECHA = min(FECHA[value >= 0.03])) %>%
ungroup()
ggplot(df_plot_1, aes(y = CCAA, x = FECHA, fill = value)) +
theme_minimal() +
geom_tile(color = 'white', width = .9, height = .9) +
scale_fill_gradientn(colours = cols, limits = c(0, 1),
breaks = c(0, 1),
labels = c('0', 'max'),
guide = guide_colourbar(ticks = T, nbin = 50, barheight = .5, label = T, barwidth = 10)) +
geom_text(aes(x = first_FECHA, label = CCAA), size = 3, color = '#797D7F') +
scale_y_discrete(position = 'right') +
coord_equal() +
theme(legend.position = 'bottom',
legend.direction = 'horizontal',
plot.title = element_text(size = 20, face = 'bold', vjust = 2, hjust = 0.5),
axis.text.x = element_text(size = 8, hjust = .5, vjust = .5, face = 'plain'),
axis.text.y = element_text(size = 6, hjust = .5, vjust = .5, face = 'plain'),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()
) +
ggtitle('The spread of COVID-19 across countries: new daily cases normalized to CCAA maximum')# Heatmap plot 2
df_plot_2 <- serie_isciii_tuneada %>%
group_by(CCAA) %>%
filter(FECHA >= min(FECHA[value > 0])) %>%
arrange(FECHA, .by_group = TRUE) %>%
mutate(centr_day = min(row_number()[value == 1]),
n_day = row_number() - centr_day) %>%
ungroup()
CCAA_ord_2 <- df_plot_2 %>%
group_by(CCAA) %>%
filter(FECHA >= min(FECHA[value == 1])) %>%
summarise(value = sum(value)) %>%
ungroup() %>%
arrange(value, CCAA) %>%
distinct(CCAA)
df_plot_2 <- df_plot_2 %>%
mutate(CCAA = factor(CCAA, levels = c(as.character(CCAA_ord_2$CCAA)))) %>%
group_by(CCAA) %>%
mutate(first_FECHA = min(n_day[value >= 0.01])) %>%
ungroup()
# Heatmap plot 2
ggplot(df_plot_2, aes(y = CCAA, x = n_day, fill = value)) +
theme_minimal() +
geom_tile(color = 'white', width = .9, height = .9) +
scale_fill_gradientn(colours = cols, limits = c(0, 1),
breaks = c(0, 1),
labels = c('0', 'max'),
guide = guide_colourbar(ticks = T, nbin = 50, barheight = .5, label = T, barwidth = 10)) +
geom_text(aes(x = first_FECHA, label = CCAA), size = 3, color = '#797D7F') +
coord_equal() +
theme(legend.position = 'bottom',
legend.direction = 'horizontal',
plot.title = element_text(size = 20, face = 'bold', vjust = 2, hjust = 0.5),
axis.text.x = element_text(size = 8, hjust = .5, vjust = .5, face = 'plain'),
#axis.text.y = element_text(size = 6, hjust = .5, vjust = .5, face = 'plain'),
axis.text.y = element_blank(),
axis.title.y = element_blank(),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()
) +
ggtitle('Comparison of different countries effectiveness against COVID-19
(new daily cases normalized to CCAA maximum and data centered on a day with maximum new cases)')Terminamos con la información de la sesión
## R version 4.0.0 (2020-04-24)
## Platform: x86_64-pc-linux-gnu (64-bit)
## Running under: Ubuntu 18.04.4 LTS
##
## Matrix products: default
## BLAS: /usr/lib/x86_64-linux-gnu/blas/libblas.so.3.7.1
## LAPACK: /usr/lib/x86_64-linux-gnu/lapack/liblapack.so.3.7.1
##
## locale:
## [1] LC_CTYPE=es_ES.UTF-8 LC_NUMERIC=C
## [3] LC_TIME=es_ES.UTF-8 LC_COLLATE=es_ES.UTF-8
## [5] LC_MONETARY=es_ES.UTF-8 LC_MESSAGES=es_ES.UTF-8
## [7] LC_PAPER=es_ES.UTF-8 LC_NAME=C
## [9] LC_ADDRESS=C LC_TELEPHONE=C
## [11] LC_MEASUREMENT=es_ES.UTF-8 LC_IDENTIFICATION=C
##
## attached base packages:
## [1] stats graphics grDevices utils datasets methods base
##
## other attached packages:
## [1] sf_0.9-3 gifski_0.8.6 gganimate_1.0.5 purrrlyr_0.0.6
## [5] reshape2_1.4.4 forcats_0.5.0 purrr_0.3.4 tidyr_1.0.3
## [9] tibble_3.0.1 tidyverse_1.3.0 plotly_4.9.2.1 ggplot2_3.3.0
## [13] stringr_1.4.0 tmap_3.0 rvest_0.3.5 xml2_1.3.2
## [17] TSstudio_0.1.6 dplyr_0.8.5 readr_1.3.1
##
## loaded via a namespace (and not attached):
## [1] nlme_3.1-147 fs_1.4.1 xts_0.12-0
## [4] lubridate_1.7.8 progress_1.2.2 RColorBrewer_1.1-2
## [7] httr_1.4.1 tools_4.0.0 backports_1.1.7
## [10] R6_2.4.1 KernSmooth_2.23-17 DBI_1.1.0
## [13] lazyeval_0.2.2 colorspace_1.4-1 raster_3.1-5
## [16] withr_2.2.0 sp_1.4-1 prettyunits_1.1.1
## [19] tidyselect_1.1.0 leaflet_2.0.3 curl_4.3
## [22] compiler_4.0.0 leafem_0.1.1 cli_2.0.2
## [25] labeling_0.3 scales_1.1.1 classInt_0.4-3
## [28] digest_0.6.25 rmarkdown_2.1 base64enc_0.1-3
## [31] dichromat_2.0-0 pkgconfig_2.0.3 htmltools_0.4.0
## [34] dbplyr_1.4.3 htmlwidgets_1.5.1 rlang_0.4.6
## [37] readxl_1.3.1 rstudioapi_0.11 farver_2.0.3
## [40] generics_0.0.2 zoo_1.8-8 jsonlite_1.6.1
## [43] crosstalk_1.1.0.1 magrittr_1.5 Rcpp_1.0.4.6
## [46] munsell_0.5.0 fansi_0.4.1 abind_1.4-5
## [49] lifecycle_0.2.0 stringi_1.4.6 leafsync_0.1.0
## [52] yaml_2.2.1 tmaptools_3.0 plyr_1.8.6
## [55] grid_4.0.0 parallel_4.0.0 crayon_1.3.4
## [58] lattice_0.20-41 stars_0.4-1 haven_2.2.0
## [61] hms_0.5.3 knitr_1.28 pillar_1.4.4
## [64] codetools_0.2-16 reprex_0.3.0 XML_3.99-0.3
## [67] glue_1.4.1 evaluate_0.14 leaflet.providers_1.9.0
## [70] data.table_1.12.8 modelr_0.1.7 selectr_0.4-2
## [73] tweenr_1.0.1 png_0.1-7 vctrs_0.3.0
## [76] cellranger_1.1.0 gtable_0.3.0 assertthat_0.2.1
## [79] xfun_0.13 lwgeom_0.2-3 broom_0.5.6
## [82] e1071_1.7-3 class_7.3-17 viridisLite_0.3.0
## [85] units_0.6-6 ellipsis_0.3.1Datos
Referencias
Licencias
A work by Santiago Mota
santiago_mota@yahoo.es